[发明专利]一种基于多元逐步回归建立细粒尾矿工程性质指标估算经验公式的方法有效
申请号: | 201310491550.3 | 申请日: | 2013-10-18 |
公开(公告)号: | CN103559388A | 公开(公告)日: | 2014-02-05 |
发明(设计)人: | 于沉香;程江涛;蔡清;万凯军;陈定安 | 申请(专利权)人: | 中冶集团武汉勘察研究院有限公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 武汉金堂专利事务所 42212 | 代理人: | 胡清堂 |
地址: | 430080 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 多元 逐步回归 建立 细粒 尾矿 工程 性质 指标 估算 经验 公式 方法 | ||
技术领域
本发明属于岩土工程勘察、设计领域,涉及一种基于多元逐步回归建立细粒尾矿工程性质指标估算经验公式的预测方法,具体涉及基于多元逐步回归分析建立细粒尾矿工程性质指标的估算经验公式,使用的是基于数理统计与最小二乘法逐步回归分析中对细粒尾矿工程性质指标进行定量分析并估算其经验公式。
背景技术
尾矿是一种矿碴,它以浆状形式排出,储存在尾矿库内,尾矿堆积坝是否稳定,直接涉及尾矿库能否正常使用。大量尾矿库病害事故统计分析表明,细粒尾矿堆积坝的病害率发生最高,从可持续发展和环境保护方面考虑,矿山企业迫切希望解决好细粒尾矿堆积坝稳定性问题。
土体物理力学参数间的相关关系常用经验公式来定量地描述。土性参数的许多指标之间都具有相关关系,研究这些指标间的相关特性,可以了解由易得指标(如液塑性指标等)推求不易得指标(如压缩系数、抗剪强度指标等)的可行性。
进行尾矿库稳定性评价及设计时的首要问题是确定尾矿介质的物理力学参数,尤其是在尾矿库初步设计阶段,一般都缺乏试验数据,即使工程有部分试验数据,但常因试验成本高且数据量少,从而影响设计成果的可靠性。对于容易产生灾害的细粒尾矿库而言,这方面的资料及研究成果更少。因此,如何提供一种基于多元逐步回归建立细粒尾矿工程性质指标估算经验公式的方法,建立用于指标预测的经验公式,确定细粒尾矿物理力学参数的合理取值及取值可靠性,已成为本领域亟待解决的技术问题。
发明内容
本发明的目的是针对尾矿库稳定性评价与设计时细粒尾矿介质工程性质指标取值的离散型及复杂性,利用尾矿库工程勘察及土工试验的现有数据,采用数理统计及多元逐步回归分析,发明一种基于多元逐步回归建立细粒尾矿工程性质指标估算经验公式的方法。
本发明一种基于多元逐步回归建立细粒尾矿工程性质指标估算经验公式的方法,具体技术方法按以下步骤实施,具体如图1所示:
1)细粒尾矿资料物理力学指标样本数据收集与整理:通过收集整理尾矿坝工程地质勘察报告、土工试验成果资料,收集统计不同矿种不同介质类型细粒尾矿的物性指标、强度指标、压缩指标、渗透指标、取样深度作为样本数据;
所述细粒尾矿包括尾粉砂、尾粉土、尾粉质粘土、尾粘土四种介质类型;所述物性指标包括比重、含水量、天然密度、干密度、天然孔隙比、饱和度、液限、塑限、塑性指数、液性指数;所述强度指标包括直接快剪粘聚力、内摩擦角,固结快剪粘聚力、内摩擦角,固结不排水剪(CU)粘聚力、内摩擦角,不固结不排水剪(UU)粘聚力、内摩擦角,固结排水剪(CD)粘聚力、内摩擦角;所述压缩指标包括压缩系数、压缩模量;所述渗透指标包括水平渗透系数、垂直渗透系数。
2)对样本数据进行初步筛选:对步骤1)获得的样本数据采用常用的μ±3σ异常数据取舍原则剔除异常数据;
所述对样本数据采用的异常数据取舍原则指:当试验数据样本n大于30时,舍弃在范围[μ-3σ,μ+3σ]以外的点;当试验数据样本n小于30时,舍弃在
3)对样本数据进行二次筛选:对步骤2)的样本数据进行数理统计分析、建立细粒尾矿物理力学参数的最优概率分布模型,并依此最优概率分布模型按照95%的置信概率得到细粒尾矿物理力学指标的合理建议范围值;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶集团武汉勘察研究院有限公司,未经中冶集团武汉勘察研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310491550.3/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种阉鸡专用配合饲料及其制备方法
- 下一篇:实时跨地点概率模拟方法与装置
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用