王牌gydF4y2Ba 土木工程的发展gydF4y2Ba 1687 - 8094gydF4y2Ba 1687 - 8086gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2020/1643529gydF4y2Ba 1643529gydF4y2Ba 研究文章gydF4y2Ba 开发一个智能模型评估了粘贴回填的力量gydF4y2Ba 太阳gydF4y2Ba YuantiangydF4y2Ba 1gydF4y2Ba https://orcid.org/0000 - 0002 - 9046 - 3492gydF4y2Ba 李gydF4y2Ba 桂珍gydF4y2Ba 1gydF4y2Ba 张gydF4y2Ba JunfeigydF4y2Ba 2gydF4y2Ba 太阳gydF4y2Ba JunbogydF4y2Ba 2gydF4y2Ba 徐gydF4y2Ba JiahuigydF4y2Ba 1gydF4y2Ba 陈gydF4y2Ba QiusonggydF4y2Ba 1gydF4y2Ba 矿业学院gydF4y2Ba 深部煤炭资源开采的重点实验室gydF4y2Ba 中国的教育部gydF4y2Ba 中国矿业大学和技术gydF4y2Ba 徐州221116gydF4y2Ba 中国gydF4y2Ba moe.edu.cngydF4y2Ba 2gydF4y2Ba 土木工程系、环境和采矿工程gydF4y2Ba 西澳大利亚大学gydF4y2Ba 珀斯6009gydF4y2Ba 澳大利亚gydF4y2Ba uwa.edu.augydF4y2Ba 2020年gydF4y2Ba 16gydF4y2Ba 4gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 06gydF4y2Ba 02gydF4y2Ba 2020年gydF4y2Ba 27gydF4y2Ba 03gydF4y2Ba 2020年gydF4y2Ba 16gydF4y2Ba 4gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 版权©2020 Yuantian太阳et al。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

巩固了粘贴回填(CPB)是一种环保的复合包含我的浪费或尾矿和被广泛用作建筑材料在地下采场。场,单轴抗压强度(UCS)的心脏是至关重要的,因为它是与采场的稳定性密切相关。使用传统数学模型预测心脏的UCS是远非令人满意由于UCS之间的高度非线性关系和大量的影响变量。为了解决这个问题,本研究采用支持向量机(SVM)预测的UCS体外循环。的hyperparameters SVM模型使用甲虫天线调谐搜索(BAS)算法;然后,该模型称为BSVM。然后训练BSVM收集的数据集实验结果。解释每个输入变量的重要性UCS的体外循环,使用获得的变量重要性的敏感性研究BSVM作为目标函数。结果表明,拟议中的BSVM具有较高的测试集上的预测精度高的相关系数(0.97)和较低的均方根误差(0.27 MPa)。该模型可以指导CPB期间矿业的设计。gydF4y2Ba

 国家重点研究和发展项目gydF4y2Ba 2016年yfc0600901gydF4y2Ba 中国国家自然科学基金gydF4y2Ba 51574224gydF4y2Ba 51704277gydF4y2Ba 1。介绍gydF4y2Ba

巩固了粘贴回填(CPB)被广泛用于在地下金属矿山采矿业务,在尾矿通常使用为主要骨料和它们与胶结材料和水混合gydF4y2Ba 1gydF4y2Ba]。体通常被填入地下采场,因此,它起着至关重要的作用在支持屋顶和围岩段脱水和整合gydF4y2Ba 2gydF4y2Ba- - - - - -gydF4y2Ba 5gydF4y2Ba]。体与其他回填材料相比,我是一个环保和经济综合由于最大负荷我的浪费,这些年来吸引了太多的关注(gydF4y2Ba 6gydF4y2Ba- - - - - -gydF4y2Ba 11gydF4y2Ba]。gydF4y2Ba

充填强度是最重要的机械参数影响充填质量,和无侧限抗压强度(UCS)是最基本和关键参数对充填体强度(gydF4y2Ba 12gydF4y2Ba]。一般来说,心脏在实验室获得的UCS类似于混凝土的强度评价。然而,当多个参数相关UCS的心脏,实验测量是一个乏味的、费时和昂贵的方法(gydF4y2Ba 13gydF4y2Ba,gydF4y2Ba 14gydF4y2Ba]。许多学者已经提出了许多方法来预测心脏等的强度经验公式估算、数值模拟和弹性力学分析(gydF4y2Ba 15gydF4y2Ba,gydF4y2Ba 16gydF4y2Ba]。应该指出,心脏是一个多相复合和提到的方法通常不能获得准确的预测结果。准确预测心脏的UCS,有必要提出简单、可靠的方法。gydF4y2Ba

最近,机器学习方法被广泛用于预测建筑材料的力学性能(gydF4y2Ba 12gydF4y2Ba,gydF4y2Ba 17gydF4y2Ba- - - - - -gydF4y2Ba 23gydF4y2Ba]。人工智能体的强度的评估方法也被提出。例如,人工神经网络(ANN)考虑影响心脏已经被用于模型的变量(输入和输出之间的关系gydF4y2Ba 24gydF4y2Ba,gydF4y2Ba 25gydF4y2Ba]。此外,安的进化方法,即ANN-based方法,提出了估算CPB的UCS的hyperparameters如神经元的数量和安的结构进行了优化,一些全局优化算法,即。粒子群优化(PSO)和萤火虫算法(FA)。同样,其他正常使用机器学习方法如随机森林算法(RF)和RF-based模型在文献中报道也用于预测心脏的UCS [gydF4y2Ba 26gydF4y2Ba]。虽然上面的人工智能方法(安,ANN-based,射频和RF-based)应用于体强度的预测,它们在计算效率上是有限的和不确定的结构。此外,没有智能体模型预测的UCS考虑整体效果cement-coarse尾矿比率,solids-water比率,细粒尾矿百分比,和固化时间。gydF4y2Ba

因此,在本文中,机器学习算法,支持向量机(SVM)的完美的回归和分类能力,和一个优秀的全局优化算法,甲虫天线搜索算法(BAS)用于选择hyperparameters SVM的组合。因此,进化支持向量机模型(BSVM)提出。几个对文学的贡献可以总结如下:gydF4y2Ba

支持向量机(SVM)和甲虫天线搜索(BAS)算法相结合建立进化支持向量机模型;gydF4y2Ba

体的强度特性进行实验分析考虑的关键影响变量,即。,cement-coarse尾矿比率,solids-water比细粒尾矿的百分比,和固化时间gydF4y2Ba

心脏的UCS直接估计考虑四个关键影响变量的综合效应gydF4y2Ba

提到影响变量的敏感分析CBP最初的分析和讨论gydF4y2Ba

2。材料和方法gydF4y2Ba 2.1。机械测试gydF4y2Ba

心脏标本准备尾矿粒度分布和矿物组合是必要的,以确定。因此,激光衍射分析仪是用于确定粗尾矿和细粒尾矿的大小分布。从图我们可以看出gydF4y2Ba 1gydF4y2Ba,有两种不同的各种大小的尾矿。分析体细尾矿的强度的影响是至关重要的。硅酸盐水泥的P。O 32.5 r作为粘结剂应用。我获得的水在这个用作混合水。根据现场试验测试,粗tailings-cement比值(T / C)被设置为4、6、8、10和solids-water比值(S / W)被设置为0.68,0.70和0.72。细粒尾矿是作为掺合料,其百分比(FTP)设置为0%,10%,15%,20%。布林德和骨料混合使用混合器(UJZ-15) 5分钟。然后,准备的混合物倒进模具(70.1毫米×70.1毫米×70.1毫米)。本研究设置为7中的固化时间,28岁,而60天。 The detailed statistics of variables of CPB are given in Table 1gydF4y2Ba。共有435个标本完成,他们被用于获得UCS值进行无侧限抗压测试根据ASTM C 39。gydF4y2Ba

粗和细尾矿粒度分布。gydF4y2Ba

影响变量的统计数据。gydF4y2Ba

变量gydF4y2Ba 最小值gydF4y2Ba 马克斯gydF4y2Ba 的意思是gydF4y2Ba 标准偏差gydF4y2Ba
粗tailings-cement比值(T / C)gydF4y2Ba 4gydF4y2Ba 10gydF4y2Ba 7gydF4y2Ba 2。2gydF4y2Ba
Solids-water比(S / W)gydF4y2Ba 0.68gydF4y2Ba 0.72gydF4y2Ba 0.7gydF4y2Ba 0.02gydF4y2Ba
细粒尾矿百分比(FTP)gydF4y2Ba 0gydF4y2Ba 0.2gydF4y2Ba 0.11gydF4y2Ba 0.07gydF4y2Ba
固化时间gydF4y2Ba 7gydF4y2Ba 60gydF4y2Ba 31.6gydF4y2Ba 21.8gydF4y2Ba
2.2。模型的进化支持向量机(BSVM)gydF4y2Ba 2.2.1。支持向量机(SVM)gydF4y2Ba

支持向量机通常是申请分类超平面的样品(gydF4y2Ba 26gydF4y2Ba]。当在两类,超平面可以大幅超平面的向量对应于支持向量。支持向量机的原理图如图gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

支持向量机的图。gydF4y2Ba

一般来说,超平面方程如下:gydF4y2Ba (1)gydF4y2Ba fgydF4y2Ba xgydF4y2Ba =gydF4y2Ba wgydF4y2Ba TgydF4y2Ba ggydF4y2Ba xgydF4y2Ba +gydF4y2Ba bgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba wgydF4y2Ba意味着一个m维向量;gydF4y2Ba bgydF4y2Ba表示词的偏好;当gydF4y2Ba wgydF4y2Ba和gydF4y2Ba bgydF4y2Ba得到了,gydF4y2Ba xgydF4y2Ba可以分类的标志吗gydF4y2Ba fgydF4y2Ba(x)。gydF4y2Ba

对于线性可分的数据,下列方程可以得出结论如下:gydF4y2Ba (2)gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba wgydF4y2Ba TgydF4y2Ba ggydF4y2Ba xgydF4y2Ba +gydF4y2Ba bgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ≥gydF4y2Ba 0。gydF4y2Ba

超平面的支持向量:gydF4y2Ba (3)gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba wgydF4y2Ba TgydF4y2Ba ggydF4y2Ba xgydF4y2Ba +gydF4y2Ba bgydF4y2Ba =gydF4y2Ba 1。gydF4y2Ba

为w为降到最低gydF4y2Ba2gydF4y2Ba可以发现,超平面(为w为w的欧几里得范数)。gydF4y2Ba

 2.2.2。甲虫天线搜索(BAS)gydF4y2Ba

BAS是一个非常著名的metaheuristic算法,提出了最近[gydF4y2Ba 20.gydF4y2Ba]。它可以用于全局优化问题。如今,BAS已广泛运用于获得hyperparameters在机器学习算法gydF4y2Ba 20.gydF4y2Ba,gydF4y2Ba 21gydF4y2Ba]。在这个算法,模拟了甲虫”行为,其天线的目的是找到与高浓度的气味。BAS的典型流程图如图gydF4y2Ba 3gydF4y2Ba。gydF4y2Ba

BAS的流程图。gydF4y2Ba

在这项研究中,支持向量机的hyperparameters (C,惩罚系数和gydF4y2Ba γgydF4y2Ba内核参数)调整了BAS代替试错的方法。gydF4y2Ba

 2.3。绩效评估gydF4y2Ba

根据先前的研究的建议,训练数据集和测试数据集,数据集数据集分为70%和30%分别。一个10倍交叉验证方法应用。相关系数(gydF4y2Ba RgydF4y2Ba)和均方根误差(RMSE)建立的性能评价模型定义如下:gydF4y2Ba (4)gydF4y2Ba RgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba −gydF4y2Ba ygydF4y2Ba ∗gydF4y2Ba ¯gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba −gydF4y2Ba ygydF4y2Ba ¯gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba −gydF4y2Ba ygydF4y2Ba ∗gydF4y2Ba ¯gydF4y2Ba 2gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba −gydF4y2Ba ygydF4y2Ba ¯gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba RMSEgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba NgydF4y2Ba意味着数字数据集;gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba预期值和实际值,分别;和gydF4y2Ba ygydF4y2Ba ¯gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba ∗gydF4y2Ba ¯gydF4y2Ba 显示平均预测值和实际值,分别。gydF4y2Ba

 3所示。结果与讨论gydF4y2Ba 3.1。UCS的体外循环的结果gydF4y2Ba

图gydF4y2Ba 4gydF4y2Ba显示了心脏的UCS结合不同变量在不同养护时间。可以看出,粗tailings-cement比主索引确定心脏的力量。与粗tailings-cement比率的增加,心脏的UCS明显增加。同样,UCS solids-water CPB改进与提高的比率。然而,在细尾矿比例对心脏的影响力量,它取决于solids-water比率。具体来说,当solids-water比率在68%和70%之间,与细尾矿比例的增加,缅共的UCS高峰值增加,然后下降。solids-water比例为72%时,UCS CPB下降略细尾矿的增加百分比。固化时间的增长发挥了积极影响心脏的力量,这是与以往的研究一致。gydF4y2Ba

UCS测试结果的缅共4 d:(一)7天;(b) 28天;(c) 60天。gydF4y2Ba

 3.2。结果Hyperparameter调优gydF4y2Ba

在这项研究中,BAS应用于优化hyperparameters SVM的训练集,RMSE是选为目标函数。图gydF4y2Ba 5gydF4y2Ba显示了RMSE与迭代曲线。可以看出,RMSE显著降低,稳定在15迭代,表明在调优hyperparameters BAS是有效的。SVM的最终hyperparameters列在下表中gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

RMSE和迭代。gydF4y2Ba

射频的hyperparameters获得。gydF4y2Ba

参数gydF4y2Ba 经验范围gydF4y2Ba 最初的gydF4y2Ba 结果gydF4y2Ba
CgydF4y2Ba (0.1,1000)gydF4y2Ba 14gydF4y2Ba 65年gydF4y2Ba
ΓgydF4y2Ba (0.001,100)gydF4y2Ba 14gydF4y2Ba 1.01gydF4y2Ba
3.3。建立评估模型gydF4y2Ba

图gydF4y2Ba 6gydF4y2Ba显示了预测UCS值和实际UCS值之间的相关性在训练集和测试集。观察到近线性关系gydF4y2Ba RgydF4y2Ba值0.9701和0.973的训练集和测试集,分别表明提出的SVM模型之间的关系可以建立CPB及其影响变量的UCS成功。此外,低和类似的RMSE值(0.1798)的训练和测试(0.2674)表明,没有underfitting或过度拟合现象产生。gydF4y2Ba

UCS值的比较。(一)训练数据集。(b)测试数据集。gydF4y2Ba

 3.4。分析变量的重要性gydF4y2Ba

计算输入变量的相对重要性使用全局敏感性研究,如图gydF4y2Ba 7gydF4y2Ba。它可以观察到,粗tailings-cement比率最重要影响UCS的心脏影响得分是4.46,其次是固化时间(3.178)和solids-water比(0.23),而细粒尾矿比例是最敏感的变量影响得分为0.088。这个结果也与之前的研究。应该注意,重要性得分是通过本文中使用的数据集。可以获得更准确的结果如果更多的样本数据包含在未来的数据集。gydF4y2Ba

变量的重要性,重点基于BSVM。gydF4y2Ba

 4所示。结论gydF4y2Ba

本研究使用BSVM UCS的预测。SVM的hyperparameters BAS调谐。BSVM可以建立之间的关系成功UCS CPB及其影响变量,由高相关系数表示的训练(0.973)(0.97)和测试集。此外,计算变量敏感性分析的重要性显示粗tailings-cement UCS比率是最重要的变量。gydF4y2Ba

在未来的工作中,数据将由包括扩大影响变量和样本来提高该模型的普遍性。同时,将实现一个图形用户界面方便使用模型的设计CPB混合物。gydF4y2Ba

 数据可用性gydF4y2Ba

Microsoft Excel工作表数据用于支持本研究的发现可以从相应的作者(gydF4y2Ba liguichen@cumt.edu.cngydF4y2Ba)要求。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 确认gydF4y2Ba

本研究在经济上支持的“国家重点研发项目(授予数量:2016 yfc0600901)”和“中国国家自然科学基金(格兰特数字:51574224和51704277)”。作者感谢淮北矿业(集团)有限公司作者Zuqi王博士感谢她的鼓励和帮助。gydF4y2Ba

 气gydF4y2Ba C。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 巩固了粘贴回填矿产尾矿管理:回顾和未来的观点gydF4y2Ba 矿业工程gydF4y2Ba 2019年gydF4y2Ba 144年gydF4y2Ba 106025年gydF4y2Ba 10.1016 / j.mineng.2019.106025gydF4y2Ba 2 - s2.0 - 85072299578gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 调查喷射灌浆支持战略控制时间在巷道变形gydF4y2Ba 能源科学与工程gydF4y2Ba 2020年gydF4y2Ba 8gydF4y2Ba 4gydF4y2Ba 1gydF4y2Ba 8gydF4y2Ba 10.1002 / ese3.654gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 钱gydF4y2Ba D。gydF4y2Ba 实验和数值研究小说支持系统控制巷道变形在地下煤矿gydF4y2Ba 能源科学与工程gydF4y2Ba 2020年gydF4y2Ba 8gydF4y2Ba 2gydF4y2Ba 490年gydF4y2Ba 500年gydF4y2Ba 10.1002 / ese3.530gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 钱gydF4y2Ba D。gydF4y2Ba 稳定控制流变巷道的一种新型高效喷射灌浆技术在地下煤矿gydF4y2Ba 可持续性gydF4y2Ba 2019年gydF4y2Ba 11gydF4y2Ba 22gydF4y2Ba 6494年gydF4y2Ba 10.3390 / su11226494gydF4y2Ba BasarirgydF4y2Ba H。gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 网关全球性的本土稳定性分析的建模方法gydF4y2Ba 国际岩石力学和采矿科学杂志》上gydF4y2Ba 2019年gydF4y2Ba 113年gydF4y2Ba 31日gydF4y2Ba 40gydF4y2Ba 10.1016 / j.ijrmms.2018.11.010gydF4y2Ba 2 - s2.0 - 85057085704gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 开发混合动力机器学习模型估算喷射灌浆复合材料的无侧限抗压强度:比较研究gydF4y2Ba 应用科学gydF4y2Ba 2020年gydF4y2Ba 10gydF4y2Ba 5gydF4y2Ba 1612年gydF4y2Ba 10.3390 / app10051612gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba 张gydF4y2Ba Q。gydF4y2Ba 气gydF4y2Ba C。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 肖gydF4y2Ba C。gydF4y2Ba 回收磷石膏和巩固了粘贴回填施工拆除浪费及其环境影响gydF4y2Ba 《清洁生产gydF4y2Ba 2018年gydF4y2Ba 186年gydF4y2Ba 418年gydF4y2Ba 429年gydF4y2Ba 10.1016 / j.jclepro.2018.03.131gydF4y2Ba 2 - s2.0 - 85045750871gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba 张gydF4y2Ba Q。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 鑫gydF4y2Ba C。gydF4y2Ba 利用磷石膏和磷尾矿胶结充填粘贴回填gydF4y2Ba 环境管理杂志》gydF4y2Ba 2017年gydF4y2Ba 201年gydF4y2Ba 19gydF4y2Ba 27gydF4y2Ba 10.1016 / j.jenvman.2017.06.027gydF4y2Ba 2 - s2.0 - 85020884383gydF4y2Ba 陈gydF4y2Ba Q.-S。gydF4y2Ba 张gydF4y2Ba Q.-L。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 陈gydF4y2Ba X。gydF4y2Ba 气gydF4y2Ba c c。gydF4y2Ba 强度特性的试验研究水泥浆回填类似采场模型及其机制gydF4y2Ba 建筑和建筑材料gydF4y2Ba 2017年gydF4y2Ba 154年gydF4y2Ba 34gydF4y2Ba 43gydF4y2Ba 10.1016 / j.conbuildmat.2017.07.142gydF4y2Ba 2 - s2.0 - 85026455717gydF4y2Ba 气gydF4y2Ba c c。gydF4y2Ba 大数据管理在采矿业gydF4y2Ba 国际期刊的矿产、冶金和材料gydF4y2Ba 2020年gydF4y2Ba 27gydF4y2Ba 2gydF4y2Ba 131年gydF4y2Ba 139年gydF4y2Ba 10.1007 / s12613 - 019 - 1937 - zgydF4y2Ba 王gydF4y2Ba D。gydF4y2Ba 张gydF4y2Ba Q。gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba 气gydF4y2Ba C。gydF4y2Ba 冯gydF4y2Ba Y。gydF4y2Ba 肖gydF4y2Ba C。gydF4y2Ba 温度变化特性的絮凝沉降尾矿及其机制gydF4y2Ba 国际期刊的矿产、冶金和材料gydF4y2Ba 2020年gydF4y2Ba 10.1007 / s12613 - 020 - 2022 - 3gydF4y2Ba 气gydF4y2Ba C。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba 张gydF4y2Ba Q。gydF4y2Ba 强度预测模型使用人工智能为废物回收尾矿胶结粘贴回填gydF4y2Ba 《清洁生产gydF4y2Ba 2018年gydF4y2Ba 183年gydF4y2Ba 566年gydF4y2Ba 578年gydF4y2Ba 10.1016 / j.jclepro.2018.02.154gydF4y2Ba 2 - s2.0 - 85042729158gydF4y2Ba 张gydF4y2Ba Z。gydF4y2Ba 王gydF4y2Ba E。gydF4y2Ba 李gydF4y2Ba N。gydF4y2Ba 分形特征的声发射事件基于单键群岩石在单轴加载方法gydF4y2Ba 混乱,孤波和分形gydF4y2Ba 2017年gydF4y2Ba 104年gydF4y2Ba 298年gydF4y2Ba 306年gydF4y2Ba 10.1016 / j.chaos.2017.08.028gydF4y2Ba 2 - s2.0 - 85028541721gydF4y2Ba 张gydF4y2Ba Z。gydF4y2Ba 王gydF4y2Ba E。gydF4y2Ba 张gydF4y2Ba Y。gydF4y2Ba 分析超声波的时频特征波形单轴加载下的煤炭gydF4y2Ba 分形gydF4y2Ba 2019年gydF4y2Ba 27gydF4y2Ba 06gydF4y2Ba 1950100gydF4y2Ba 1950123gydF4y2Ba 10.1142 / s0218348x19501007gydF4y2Ba 2 - s2.0 - 85072629306gydF4y2Ba 徐gydF4y2Ba 年代。gydF4y2Ba SuorinenigydF4y2Ba f . T。gydF4y2Ba 李gydF4y2Ba K。gydF4y2Ba 李gydF4y2Ba Y。gydF4y2Ba 评估的力量和超声波特性foam-cemented粘贴回填gydF4y2Ba 国际期刊的采矿、回收和环境gydF4y2Ba 2017年gydF4y2Ba 31日gydF4y2Ba 8gydF4y2Ba 544年gydF4y2Ba 557年gydF4y2Ba 10.1080 / 17480930.2016.1215782gydF4y2Ba 2 - s2.0 - 84983319488gydF4y2Ba 徐gydF4y2Ba W。gydF4y2Ba 田gydF4y2Ba X。gydF4y2Ba 曹gydF4y2Ba P。gydF4y2Ba 巩固了粘贴的水化过程和机械性能的评估回填电阻率测量gydF4y2Ba 无损检测与评价gydF4y2Ba 2018年gydF4y2Ba 33gydF4y2Ba 2gydF4y2Ba 198年gydF4y2Ba 212年gydF4y2Ba 10.1080 / 10589759.2017.1353983gydF4y2Ba 2 - s2.0 - 85024480449gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 马gydF4y2Ba G。gydF4y2Ba 黄gydF4y2Ba Y。gydF4y2Ba 太阳gydF4y2Ba J。gydF4y2Ba AslanigydF4y2Ba F。gydF4y2Ba 夏威夷雁gydF4y2Ba B。gydF4y2Ba 造型轻便的自密实混凝土的单轴抗压强度使用随机森林回归gydF4y2Ba 建筑和建筑材料gydF4y2Ba 2019年gydF4y2Ba 210年gydF4y2Ba 713年gydF4y2Ba 719年gydF4y2Ba 10.1016 / j.conbuildmat.2019.03.189gydF4y2Ba 2 - s2.0 - 85063604391gydF4y2Ba 气gydF4y2Ba C。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba 神经网络和粒子群优化预测巩固了粘贴回填土的无侧限抗压强度gydF4y2Ba 建筑和建筑材料gydF4y2Ba 2018年gydF4y2Ba 159年gydF4y2Ba 473年gydF4y2Ba 478年gydF4y2Ba 10.1016 / j.conbuildmat.2017.11.006gydF4y2Ba 2 - s2.0 - 85033381141gydF4y2Ba 太阳gydF4y2Ba J。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 顾gydF4y2Ba Y。gydF4y2Ba 黄gydF4y2Ba Y。gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 马gydF4y2Ba G。gydF4y2Ba 预测透水混凝土的渗透性和无侧限抗压强度使用进化支持向量回归gydF4y2Ba 建筑和建筑材料gydF4y2Ba 2019年gydF4y2Ba 207年gydF4y2Ba 440年gydF4y2Ba 449年gydF4y2Ba 10.1016 / j.conbuildmat.2019.02.117gydF4y2Ba 2 - s2.0 - 85062107500gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 王gydF4y2Ba Y。gydF4y2Ba 太阳gydF4y2Ba J。gydF4y2Ba 江gydF4y2Ba C。gydF4y2Ba 使用甲虫天线搜索优化神经网络预测喷射灌浆coalcretes的无侧限抗压强度gydF4y2Ba 国际期刊的数值,在地质力学分析方法gydF4y2Ba 2019年gydF4y2Ba 43gydF4y2Ba 4gydF4y2Ba 801年gydF4y2Ba 813年gydF4y2Ba 10.1002 / nag.2891gydF4y2Ba 2 - s2.0 - 85059848316gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 杨氏模量测定的喷射灌浆coalcretes使用一种智能模型gydF4y2Ba 工程地质gydF4y2Ba 2019年gydF4y2Ba 252年gydF4y2Ba 43gydF4y2Ba 53gydF4y2Ba 10.1016 / j.enggeo.2019.02.021gydF4y2Ba 2 - s2.0 - 85062107145gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 李gydF4y2Ba D。gydF4y2Ba 王gydF4y2Ba Y。gydF4y2Ba 对智能建筑:人工砂混凝土力学性能的预测使用基于树模型gydF4y2Ba 《清洁生产gydF4y2Ba 2020年gydF4y2Ba 258年gydF4y2Ba 120665年gydF4y2Ba 10.1016 / j.jclepro.2020.120665gydF4y2Ba 太阳gydF4y2Ba Y。gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba 张gydF4y2Ba J。gydF4y2Ba 钱gydF4y2Ba D。gydF4y2Ba 预测的橡胶混凝土的强度的演变随机森林模型gydF4y2Ba 土木工程的发展gydF4y2Ba 2019年gydF4y2Ba 2019年gydF4y2Ba 7gydF4y2Ba 5198583gydF4y2Ba 10.1155 / 2019/5198583gydF4y2Ba OrejarenagydF4y2Ba lgydF4y2Ba 秋天gydF4y2Ba M。gydF4y2Ba 使用人工神经网络预测的影响硫酸袭击了粘贴回填的力量gydF4y2Ba 《工程地质和环境gydF4y2Ba 2010年gydF4y2Ba 69年gydF4y2Ba 4gydF4y2Ba 659年gydF4y2Ba 670年gydF4y2Ba 10.1007 / s10064 - 010 - 0326 - 7gydF4y2Ba 2 - s2.0 - 77957976014gydF4y2Ba OrejarenagydF4y2Ba lgydF4y2Ba 秋天gydF4y2Ba M。gydF4y2Ba 基于人工神经网络建模的硫酸盐和温度的耦合效应的强度水泥粘贴回填gydF4y2Ba 加拿大土木工程杂志》上gydF4y2Ba 2011年gydF4y2Ba 38gydF4y2Ba 1gydF4y2Ba One hundred.gydF4y2Ba 109年gydF4y2Ba 10.1139 / l10 - 109gydF4y2Ba 2 - s2.0 - 78650271086gydF4y2Ba 气gydF4y2Ba C。gydF4y2Ba 陈gydF4y2Ba Q。gydF4y2Ba FouriegydF4y2Ba 一个。gydF4y2Ba 张gydF4y2Ba Q。gydF4y2Ba 机械性能的智能建模框架粘合粘贴回填gydF4y2Ba 矿业工程gydF4y2Ba 2018年gydF4y2Ba 123年gydF4y2Ba 16gydF4y2Ba 27gydF4y2Ba 10.1016 / j.mineng.2018.04.010gydF4y2Ba 2 - s2.0 - 85046341806gydF4y2Ba