Безопасность работ. технология и безопасность взрывных работ конференц (1). Материалы научнотехнических семинаров, 2012 г. Технология
 Скачать 3.08 Mb.
|
|
сж ) с высотой уступа (Ну = 15 м) экскаватор № 251, крепость пород по шкале ММ. Протодьяконова составляет 17 ед, категория взрываемости – V. – Блок № 9 представлен перидотитами, расположен на восточном борту карьера Южный (гор. 32 м, экскаватор № 339, крепость пород по шкале ММ. Протодьяконова составляет 16 ед, категория взрываемости – V. Рис. 6. Изменение прочностных свойств пород (σ сж ) и (о) по высоте уступа 6 12 18 24 32 Карьер Южный, борт зап, гор. –28 м, блок № 143, профиль № Серпентинит с ядрами перидотита и крупной сеткой асбеста 10 гор. –28 м Высо та уступам Результаты исследований по одному из локальных блоков представлены ниже на рисунках 4–6 ив табл. 2, где приведены регрессионные зависимости изменения объемной плотности серпентинита с ядрами перидотита и крупной сеткой асбеста и сопротивления его одноосному сжатию по высоте уступа. В результате выполненных исследований проведено изучение свойств вмещающих горных породи руд в локальных массивах в условиях Центрального и Южного карьеров ОАО «Уралас- бест» с использованием методов сейсмометрии. Изучены и определены экспериментальным путем прочностные свойства горных порода именно – сопротивление одноосному сжатию (σ сж ) и плотность) в их естественном залегании с использованием комплекса измерительно-регистрирующей аппаратуры в составе сейсмостанции Синус М, сейсмокосы 55 м / КСЛ-25/12 и сейсмодатчи- ков вертикальной составляющей скорости смещения GS-20. Применение метода сейсмометрии позволяет уточнить показатели, определяющие сопротивляемость горных пород разрушению внешними нагрузками, в сравнении сданными геологоразведки. Оперативная Уравнения регрессии Коэффици- ент корреляции Коэффи- циент детерминации Пределы изменения характеристик σ сж = (64·10 -3 ·V P – 240), МПа ≤ n ≤ 6,9), % 0,89 0,79 (75 ≤ σ сж ≤ 250), МПа ≤ р ≤ 7560), м/с σ сж = (4·10 2 lgV P – 3335), МПа ≤ n ≤ 6,9), % 0,88 0,78 (75 ≤ σ сж ≤ 250), МПа р ≤ 7560), м/с ρ о = (9·10 -5 ·V p + 2,436), г/см 3 (1,4 ≤ n ≤ 6,9), % 0,81 0,67 (2,90 ≤ о ≤ 3,15), г/см 3 (5040 ≤ V P ≤ 7560), м/с ρ о = 2,490 е, г/см 3 (1,4 ≤ n ≤ 6,9), % 0,82 0,68 (2,90 ≤ о ≤ 3,15), г/см 3 (5040 ≤ р ≤ 7560)м/с Таблица Уравнения регрессии, связывающие сейсмические и прочностные характеристики скальных горных пород (по максимальным данным измерений) Примечание. n– пористость пород σ сж – сопротивление одноосному сжатию о – объемная плотность пород V p – скорость продольных волн информация о свойствах горных пород в естественном залегании позволяет более обоснованно устанавливать параметры БВР и тем самым снизить затраты на буровзрывной передел. Установлены регрессионные взаимосвязи между скоростью продольных сейсмических волн и свойствами горных порода именно сопротивлением одноосному сжатию (σ сж ) и объемной плотностью горных пород (о, которые в значительной мере определяют сопротивляемость среды разрушению. Уравнения регрессии, связывающие прочностные свойства пород σ сж и ос параметрами продольных сейсмических волн, и пределы изменения характеристик приведены в табл. 4. Коэффициент корреляции и корреляционное отношение, характеризующие тесноту взаимосвязи параметров, равны 0,81–0,89, а коэффициент детерминации, соответственно, Установлены закономерности изменения объемной плотности и сопротивления одноосному сжатию по высоте уступа при разработке серпентинитов с ядрами перидотита и крупной сеткой асбеста. Литература 1. Кутузов Б.Н. Разрушение горных пород взрывом / Б.Н. Кутузов. – е изд, перераб. и доп. – М Издательство МГИ, 1992. – 516 с. Ямщиков В.С. Методы и средства исследования и контроля горных породи процессов / В.С. Ямщиков. – М Недра, 1982. – 296 с. Ржевский В.В. Основы физики горных пород / В.В. Ржевский, Г.Я. Новик. – е изд, перераб. и доп. – М Недра, 1978. – 390 с. Сейсморазведка справочник геофизика / Т.Б. Яновская и др под ред. Гур- вича И.И. – М Недра, 1981. – 464 с. Хмелевский В.К. Геофизические методы исследования земной коры / В.К. Хмелевский. – Дубна, 1997. 6. Воронцов ИВ Методика детального изучения физико-механических свойств грунтов с помощью многоволновой сейсмометрии дис. … канд. техн. наук. – Свердловск, 1991. – 128 с. Кондратьев О.К. Сейсмические волны в поглощающих средах / О.К. Кон- дратьев. – М Недра, 1989. – 167 с. Котяшев А.А. Применение сейсмометрии для совершенствования параметров буровзрывных работ / А.А. Котяшев, АС. Маторин, П.В. Меньшиков // Горный информационно-аналитический бюл. – 2010. – № 11. – С. 302–306. 9. Изучение геологической структуры и вещественного состава руд Баженов- ского месторождения отчет о НИР / ВНИИпроектасбест; рук. Тримайлова ГА. – Асбест, 1976. 10. Изучение вещественного состава руд Баженовского месторождения ивы- вод зависимости взрываемости их от минералого-петрографического состава отчет о НИР / СГИ; рук. Соколов Ю.А. – Свердловск, 1978. 11. Минералого-петрографическая характеристика и изучение физико- механических свойств асбеста и вмещающих пород различных зон асбестоносно- сти Баженовского месторождения хризотил-асбеста: отчет о НИР / ВНИИпроект- асбест рук. Огнев АС. – Асбест, 1969. 83 УДК ТЕНДЕНЦИИ ИЗМЕНЕНИЯ ВО ВРЕМЕНИ ПОКАЗАТЕЛЕЙ БУРОВЗРЫВНОГО КОМПЛЕКСА ОАО «УРАЛАСБЕСТ» А.А. Котяшев, А.П. Русских, Б.В. Пахряев Развитие и совершенствование технологических процессов добычи минерального сырья ив частности, первоочередного из них – подготовки горной массы к выемке и транспортированию с наименьшими затратами остается важнейшим направлением на ближайшую перспективу. Особую значимость приобретает прогнозирование технологических и технико-экономических показателей. Известно, что процесс прогнозирования, опирающийся на статистические методы, подразделяется на два этапа [1,2]. Первый – индуктивный – заключается в обобщении данных, полученных за определенный период времени, и представлении статистических закономерностей в виде модели. Статистическую модель получают в виде аналитически выраженной тенденции развития или уравнения зависимости от одного или нескольких факторов-аргументов. Процесс построения и применения статистической модели для прогнозирования, какой бы вид она ни имела, обязательно включает выбор формы уравнения, описывающего динамику или взаимосвязь признаков, и оценивание его параметров с помощью того или иного метода. Второй этап, собственно прогнозирование, является дедуктивным, те. на основе установленных статистических закономерностей определяется ожидаемое значение прогнозируемого параметра или показателя [1, Статистическое описание изменения во времени параметров и показателей технологических процессов осуществляется с помощью динамических рядов. Уровни динамических рядов формируются под совокупным влиянием множества длительно и кратковременно действующих факторов ив том числе, различного рода случайностей. Изменение условий развития процесса приводит к смене факторов, к изменению их взаимодействия ив итоге, к вариации уровня изучаемого параметра во времени. Под тенденцией подразумевается общее направление развития процесса или долговременная его эволюция. Обычно тенденцию представляют в виде относительно гладкой траекториии предполагают, что она, или иначе тренд, характеризует основную закономерность изменения во времени рассматриваемых показателей работы предприятия, и считается, что она достаточно свободна от случайных воздействий [2]. Тренд описывает фактическую усреднён- ную для рассматриваемого периода наблюденийтенденциюизуча- емого процесса во времени. Результат увязывается исключительно сходом времени. При этом предполагается, что через время можно учесть влияние на процесс или показатель всех наиболее значимых факторов. Отсутствие тренда (нулевой тренд) означает постоянство или неизменность среднего уровня показателя во времени. Кривые роста, описывающие закономерности развития технологических процессов и показателей во времени, получают путем аналитическоговыравнивания динамических рядов. Выравнивание с помощью различных видов функций является удобным средством описания эмпирических данных, характеризующих развитие во времени исследуемого процесса или параметра. Процесс выравнивания структурно состоит из двухэтапов, а именно выбора типа кривой, форма которой в наибольшей степени соответствует характеру изменения динамического ряда, и определения численных значений, те. оценивание параметров кривой. Выбранная функция позволяет получить теоретические значения уровней динамического ряда, тете уровни, которые наблюдались бы в случае, если бы динамика параметра полностью совпадала с формой кривой. Этаже функция используется и для экстраполяции показателей технологического процесса. Для обработки статистических показателей, характеризующих технологический процесс подготовки горной массы к выемке буровзрывным способом, нами использованы простые функции – линейная и полиномиальная зависимость. При описании эмпирических данных кривыми наибольший интерес вызывают такие преобразования их прироста, которые можно представить в виде линейной функции. Среди математических методов научного предсказания важнейшее значение имеют регрессионный и тесно связанный с ним корреляционный анализ Регрессионный анализ позволяет установить количественное отношение междупричиной и следствием, благодаря чему становится возможным по причине предсказать следствие, а также знать, как с изменением причины будет изменяться следствие При этом предполагается решение двух задач первая заключается ввыборе независимых переменных существенно влияющих на зависимуювеличину,и в определении формы уравнения регрессии. Этазадача решается путем анализа изучаемой взаимосвязи по существу. Вторая задача – оценивание параметров решается с помощью одного из статистических методов обработки данных наблюдения. Наиболее часто оценивание параметров регрессий достигается с помощью метода наименьших квадратов. Уравнение регрессии характеризует взаимосвязь между переменными величинами в том смысле, что показывает как изменяется величина одной переменнойв зависимостиот изменения величины другой.Оцен- ка параметров регрессии сопровождается определением дополнительной характеристики, а именно коэффициента корреляции. Чем выше его значение, тем теснее связь между переменными и тем с большим основанием установленная взаимосвязь может быть использована для прогнозирования. Коэффициент корреляции часто рассматривается как один из критериев качества подбора функции. В уравнение регрессии можно при необходимости ввести в качестве независимой переменной показатель, характеризующий время. Включение времени наряду с другими независимыми переменными позволяет выделить регрессию на неучтенные в явном виде факторы, связанные со временем. В практических расчетах время в качестве независимой переменной включается в уравнение регрессии самостоятельно. Регрессия при этом имеет следующий вид y = ƒ (t). Аналитическое выражение в данном случае характеризует тренд развития изучаемого технологического процесса Основными показателями, характеризующими разработку месторождений минерального сырья открытым способом, являются объемы выемки горной массы, пород вскрыши и добычи полезного ископаемого. Определение среднего уровня изменения объемов добычи полезного ископаемого, выемки горной массы, объемов бурения скважин и взорванных массивов скальных пород, выхода горной массы см скважины, удельного расхода ВВ и других технологических и технико-экономических показателей взрывного комплекса во времени позволяет дать количественную оценку процесса подготовки горной массы к выемке и транспортированию буровзрывным способом. Ниже рассмотрено изменение ряда основных показателей эксплуатации буровзрывного комплекса ОАО «Ураласбест» за десятилетний период [3]. Исследования проведены с использованием методов регрессионного и корреляционного анализа динамических рядов показателей в соответствии свыше рассмотренным методологическим подходом. Результаты представлены ниже на графиках ив таблицах. Для построения закономерностей изменения объема выемки горной массы, пустой породы и добычи руды и составления уравнений регрессии, в табл. 1 в качестве примера приведен динамический ряд первого из перечисленных выше показателей. Объемы выемки горной массы, млн м 25 20 15 10 гм = 23.89 – 1.22 пр эмпирическая линия регрессии – теоретическая линия регрессии Рис. 1. Закономерности изменения объемов выемки горной массы, породи руд на карьерах ОАО «Ураласбест» в 2004–2011 гг. Таблица Динамический ряд объемов выемки горной массы на карьерах по годам Показатель Год 2004 2005 2006 2007 2008 2009 2010 Порядковый номер года 2 3 4 5 6 7 Фактический объем выемки горной массы, млн м 20,5 22,5 22,3 20,0 17,6 14,7 14,2 Теоретический объем горной массы (млн м) при: прямолинейной зависимости параболической зависимости 22,7 22,4 21,5 21,4 20,2 20,3 19,0 19,2 17,8 18,0 16,6 16,6 15,4 15,2 14,1 Расхождение между теоретическими и фактическими значениями (млн м) при прямолинейной зависимости параболической зависимости Объем горной массы, вычисленный по среднему арифметическому, млн м 18,4 18,4 18,4 18,4 18,4 18,4 18,4 Расхождение между объемом, вычисленным по среднему арифметическому, и фактическим, млн м –4,1 –3,9 –1,6 +0,8 +3,7 +4,2 +3,0 По статистическим показателям на рис. 1 построены эмпирические и теоретические линии регрессии в виде прямолинейной зависимости. После обработки статистических показателей с использованием метода наименьших квадратов они имеют следующий вид: Q гм = 23,89 – 1,22 t уравнения регрессии при линейной п = 15,46 – 0,96 t зависимости объемов выемки горной (р = 8,43 – 0, 26 t массы породы и руды во времени (гм = 23,3 – 0,87 t – 0,04 t 2 уравнение регрессии при параболи- (п = 14,6 – 0,44 t – 0,06 t 2 ческой зависимости второго порядка (р = 8,48 – 0,28 t – 0,002 t 2 объемов выемки горной массы, вскрыши и руды во времени, где гм, пр объемы выемки горной массы, вскрыши и добычи руды t – порядковый номер года динамического ряда (1, 2, 3 … В табл. 2 приведены цепные темпы движения объемов выемки горной массы, вскрышных породи добычи руды в соответствии с показателями динамического ряда за 2004–2011 гг. Средний темп изменения показателей за рассмотренный период времени составил объемов выемки горной массы на карьерах 0,728 млн м 3 /год, объемов выемки пород вскрыши 0,557 млн м 3 / год и объемов добычи руды 0,171 млн м 3 /год. На рис. 2–12 ив табл. 3–13 приведены закономерности изменения технологических и технико-экономических показателей буровзрывного комплекса в динамике его развития и уравнения регрессии, полученные путем обработки статистических данных с использованием методов теории вероятностей и математической статистики. } } Таблица Показатели темпов движения объема выемки горной массы на карьерах ОАО «Ураласбест» относительно предыдущего года Показатель Цепные темпы изменения объема выемки Год 2005 2006 2007 2008 2009 2010 Объем выемки горной массы 0,99 0,9 0,88 0,84 0,97 Объем выемки пород вскрыши 1,15 0,98 0,87 0,85 0,81 0,91 Объем добычи руды 1,01 0,94 0,93 0,87 1,05 1,03 Рис. 2. Закономерности изменения объемов бурения скважин на карьерах ОАО «Ураласбест» в 2004–2011 гг. 1 2 3 4 5 6 7 t 520 500 480 460 440 420 – эмпирическая линия регрессии теоретическая линия регрессии = 468.7 – 0.64 t 2 –0,24 t 2 Q = 472.3 – 2.84 Объем бурения св ажин , тыс. м Рис. 3. Закономерности изменения производительности бурения скважин 1 человека (м) на карьерах ОАО «Ураласбест» в 2001–2010 гг. 2100 2000 1900 1800 1700 1600 1500 – эмпирическая линия регрессии теоретическая линия регрессии 1 2 3 4 5 6 7 8 9 Производительность бурения на 1 человека, м П б = 1422 + 149.2t – 9.4t 2 П б = 1629 + 45.8 t 89 – эмпирическая линия регрессии теоретическая линия регрессии Рис. 4. Закономерности изменения себестоимости бурениям скважин на карьерах ОАО «Ураласбест» в 2001–2010 гг. 400 350 300 250 200 150 1 2 3 4 5 6 7 8 9 Себестоимость бурениям скважин в карьере, руб С б = 134.9 + 26.2 t – 0.4 t 2 С б = 144.3 + 27.1t 25 20 15 10 5 – эмпирическая линия регрессии теоретическая линия регрессии Произв одительно сть бурения на 1 человека, м = 23.3 – 0.85 t Q = 22.8 – 0.65 t – 0.022 t 2 1 2 3 4 5 6 7 t Q v = 14.1 – 0.001 t Q v = 14.82 – 0.44 t – 0.05 Рис. 5. Закономерности изменения объемов подготовки горной массы и расхода ВВ на карьерах ОАО «Ураласбест» в 2004–2011 гг. Рис. 6. Закономерности изменения количества взорванных скважин и выхода горной массы см на карьерах ОАО «Ураласбест» в 2004–2011 гг. 50 45 40 30 25 20 – эмпирическая линия регрессии теоретическая линия регрессии Вз орв ано скважин, тыс. шт Вых од гм. с 1 м 3 N скв = 25.1 + 0.59 t – 0.02 гм = 49.16 – 1.43 t – 0.02 t 2 1 2 3 4 5 6 7 Рис. 7. Закономерности изменения удельного расхода ВВ на карьерах ОАО «Ураласбест» в 2004–2011 гг. 1.00 0.90 0.80 0.70 0.60 0.50 – эмпирическая линия регрессии теоретическая линия регрессии У дельный расход ВВ , кг /м 3 q = 0.656 – 0.008 t + 0.0045 t 2 1 2 3 4 5 6 7 t Рис. 8. Закономерности изменения количества проведенных взрывов на карьерах ОАО «Ураласбест» в 2004–2011 гг. 650 600 550 500 450 400 – эмпирическая линия регрессии теоретическая линия регрессии К оличе ств о взрывов в год = 649 – 15 t – 1.3 t 2 n = 667.3 – 26.4 t 1 2 3 4 5 6 7 Рис. 9. Закономерности изменения средних объемов взорванных блоков на карьерах ОАО «Ураласбест» в 2004–2011 гг. 45 40 35 30 25 – эмпирическая линия регрессии теоретическая линия регрессии Сре дний объем взорванного блока, тыс. м 3 V б = 36.5 – 0.012 t 1 2 3 4 5 6 7 б = 38.64 – 1.3 t + 0.14 t 2 Рис. 11. Закономерности изменения себестоимости изготовления порэмита в ОАО «Ураласбест» в 2001–2010 гг. 12 9 6 3 0 – эмпирическая линия регрессии теоретическая линия регрессии С еб ест оимо сть изготовления тонны пор эмит а, тыс. руб C п = 2.6 + 0.54 t + 0.03 t 2 1 2 3 4 5 6 7 8 9 п = 1.96 + 0.85 t – эмпирическая линия регрессии теоретическая линия регрессии 1 2 3 4 5 6 7 8 9 t 15 14 13 12 11 п + 0,19 t – 0,005 п + 0,25 Объемы производства пор эмит а тыс. т /год Рис. 10. Закономерности изменения производства порэмита в ОАО «Ураласбест» в 2001–2010 гг. Таблица Динамический ряд объемов бурения скважин на карьерах по годам Показатель Год 2004 2005 2006 2007 2008 2009 2010 Порядковый номер года 2 3 4 5 6 7 Фактический объем бурения скважин, тыс. м 455,7 492,5 456,2 455,0 447,2 451,6 Средний темп снижения объема бурения скважин на карьерах 1,657 тыс. м/год Уравнение регрессии прямолинейная зависимость) б = 472,3 – 2,84 Теоретический объем по уравнению прямой линии, тыс. м 466,6 463,8 461,0 458,0 455,0 452,4 Расхождения с фактическими данными, тыс. м +4,7 +10,9 –28,7 +Уравнение регрессии парабола второго порядка |