陜北采煤沉陷區(qū)黃土基注漿材料性能試驗(yàn)及配比優(yōu)選

曹曉毅，王玉濤，劉小平,2，曹祖寶，武博強(qiáng)

陜北采煤沉陷區(qū)黃土基注漿材料性能試驗(yàn)及配比優(yōu)選

曹曉毅1，王玉濤1，劉小平1,2，曹祖寶1，武博強(qiáng)1

(1. 中煤科工集團(tuán)西安研究院有限公司，陜西 西安 710077；2. 西安理工大學(xué) 土木建筑工程學(xué)院，陜西 西安 710048)

注漿法是采煤沉陷區(qū)的主要治理方法，漿材對(duì)注漿效果和成本影響很大。以陜北地區(qū)黃土–水泥–添加劑混合漿液為研究對(duì)象，采用單因素及正交試驗(yàn)對(duì)黃土漿液的黏度、凝膠時(shí)間、結(jié)石率及28 d單軸無(wú)側(cè)限抗壓強(qiáng)度進(jìn)行試驗(yàn)研究，對(duì)各指標(biāo)的影響因素及變化規(guī)律進(jìn)行分析，同時(shí)，建立黃土基漿液的GA-BPNN預(yù)測(cè)模型，通過(guò)GA多目標(biāo)全局尋優(yōu)，優(yōu)選出一定強(qiáng)度下成本最低的漿液配比。試驗(yàn)結(jié)果表明：黃土水泥漿液與陜北地區(qū)普遍采用的水泥粉煤灰漿液性能相近，成本大幅降低，黃土基注漿材料密度及結(jié)石率受水固比影響最為明顯，黏度主要受水固比及黃土(水泥)摻量影響，28 d強(qiáng)度主要受黃土(水泥)摻量影響；采用GA-BPNN構(gòu)建模型預(yù)測(cè)的黃土基注漿材料性能預(yù)測(cè)值與期望值相對(duì)誤差為0.74%~1.83%，預(yù)測(cè)結(jié)果精度高，可滿足實(shí)際應(yīng)用需求。

采煤沉陷區(qū)；黃土；注漿充填材料；GA-BPNN預(yù)測(cè)模型；配比優(yōu)選；陜北地區(qū)

榆神府礦區(qū)作為我國(guó)重要的能源基地，煤炭資源高強(qiáng)開采形成的采空塌陷已成為該地區(qū)重大地質(zhì)災(zāi)害問(wèn)題之一[1-5]。隨著地方經(jīng)濟(jì)建設(shè)快速發(fā)展及固廢資源的開發(fā)利用，常用的采空塌陷區(qū)注漿材料(粉煤灰)價(jià)格大幅上漲且資源緊張，造成采空區(qū)治理成本增加，需要研發(fā)價(jià)格低廉、來(lái)源豐富的注漿充填材料。榆神府礦區(qū)位于黃土高原北側(cè)，黃土資源豐富，研發(fā)適宜于采空區(qū)充填的黃土類注漿材料具有重要的工程價(jià)值。

黃土注漿材料在水利防滲、充填裂隙等方面已得到廣泛應(yīng)用，阮文軍等[6]對(duì)水利灌漿工程的水泥–黏土漿液進(jìn)行了優(yōu)選試驗(yàn)和單因素對(duì)比試驗(yàn)，得到水利灌漿工程的優(yōu)選水泥–黏土漿液配方；劉國(guó)棟?[7]結(jié)合南水北調(diào)工程鶴壁段施工情況對(duì)水泥黏土漿的施工應(yīng)用進(jìn)行了論述；Wang Xinghua等[8]對(duì)黏土硬化漿液的膠凝時(shí)間和強(qiáng)度的影響因素進(jìn)行了分析，并提出了可灌漿期的概念；張亞民等[9]以六盤山隧道為例，研究了該項(xiàng)目襯砌壁后黃土–水泥漿液的性能；冉景太[10]對(duì)水泥黏土漿液的基本物理力學(xué)性質(zhì)及其在防滲堵漏工程中的應(yīng)用進(jìn)行了論述；K. Masumoto等[11]驗(yàn)證了黏土注漿技術(shù)應(yīng)用于隧道開挖破壞帶(EDZ)的可行性并對(duì)黏土漿液降低巖體裂隙滲透效果進(jìn)行了評(píng)價(jià)；張戎令等[12]研究了黃土、細(xì)砂、粉煤灰及減水劑不同組合下的4種漿液在鐵路黃土路基劈裂注漿中的漿液性能及配比優(yōu)選?？偨Y(jié)以往成果發(fā)現(xiàn)，針對(duì)煤礦采空區(qū)大空洞、大裂隙，充填量巨大、充填強(qiáng)度要求較低的工程條件，尚未有人結(jié)合陜北地區(qū)黃土的物理特性開展注漿材料性能的試驗(yàn)研究。筆者以黃土–水泥–添加劑漿液為研究對(duì)象，采用單因素及正交試驗(yàn)對(duì)黃土漿液的黏度、凝膠時(shí)間、結(jié)石率及單軸無(wú)側(cè)限抗壓強(qiáng)度(28 d)進(jìn)行試驗(yàn)研究，對(duì)各項(xiàng)指標(biāo)的影響因素及變化規(guī)律進(jìn)行分析，同時(shí)，建立黃土基漿液的GA-BPNN預(yù)測(cè)模型，優(yōu)選出滿足一定漿液性能指標(biāo)、成本最低條件下的漿液配比，為陜北采煤沉陷區(qū)黃土基注漿材料的選擇及治理工程提供參考。

1 漿液性能試驗(yàn)方案設(shè)計(jì)

1.1 配比材料

a.黃土選自陜北地區(qū)榆林市府谷縣，主要化學(xué)成分見(jiàn)表1。該土樣屬黏性土(塑性指數(shù)p>17)，可塑性好。土樣顆粒級(jí)配曲線如圖1所示，黏粒質(zhì)量分?jǐn)?shù)(小于0.075 mm的顆粒)約為80%。

表1 黃土的主要化學(xué)成分

圖1 黃土顆粒級(jí)配曲線

b. 水泥 采用陜西省銅川市藥王山水泥廠生產(chǎn)的32.5級(jí)普通硅酸鹽水泥，密度為3.16 g/cm3，比表面積為2 820 m2/kg，主要化學(xué)成分見(jiàn)表2。

表2 P.O 32.5水泥主要化學(xué)成分

c.添加劑 采用硅酸鈉濃度35~40 °Be′的固體水玻璃。

d.水 當(dāng)?shù)氐叵滤?，pH值7.2。

1.2 試驗(yàn)方法

漿液黏度采用泥漿黏度計(jì)法測(cè)試。采空區(qū)充填注漿漿液凝膠時(shí)間，常參考水泥漿液采用維卡儀測(cè)試其初、終凝時(shí)間，但通過(guò)文獻(xiàn)[13]可以看出，采用倒杯法所測(cè)試的凝膠時(shí)間可以更好地反映漿液的流動(dòng)度及擴(kuò)散半徑，故本次采用倒杯法測(cè)試黃土–水泥漿液的凝膠時(shí)間。結(jié)石率測(cè)試時(shí)，先把攪拌均勻的漿液灌入200 mL量筒中，讀取漿液體積1，再用塑料袋封住量筒口，室溫下養(yǎng)護(hù)24 h后記錄量筒中結(jié)石體體積2，然后根據(jù)2/1×100%計(jì)算結(jié)石率。無(wú)側(cè)限單軸抗壓強(qiáng)度參照GB/T 17671—1999《水泥膠砂強(qiáng)度檢驗(yàn)方法(ISO法)》進(jìn)行。

1.3 方案設(shè)計(jì)

a.單因素試驗(yàn) 為了研究單個(gè)因素對(duì)漿液性能指標(biāo)的影響，本次選擇了水固比、水泥(黃土)摻量和水玻璃摻量3個(gè)影響因素，每次選1個(gè)因素取3個(gè)不同水平，其他2個(gè)因素取確定值，共設(shè)計(jì)9組試驗(yàn)配方，見(jiàn)表3。

表3 單因素試驗(yàn)設(shè)計(jì)

注：水固比指水與黃土+水泥的質(zhì)量比。

b.正交試驗(yàn) 為分析各因素間相互作用，克服全面配比試驗(yàn)工作量巨大的缺點(diǎn)，采用正交試驗(yàn)[14-15]，保證試驗(yàn)點(diǎn)在試驗(yàn)范圍內(nèi)“均勻分散，整齊可比”，從而得到各因素對(duì)漿液性能指標(biāo)的影響規(guī)律。

同樣選取水固比(因素A)、水泥(黃土)摻量(因素B)、水玻璃摻量(因素C)3個(gè)選項(xiàng)，建立正交設(shè)計(jì)表L9(34)，各因素及水平見(jiàn)表4。

表4 正交試驗(yàn)因素水平

2 單因素試驗(yàn)結(jié)果分析

單因素試驗(yàn)結(jié)果見(jiàn)表5。為對(duì)比分析黃土漿液和水泥粉煤灰漿液的差異，在單因素試驗(yàn)的同時(shí)，對(duì)10%~20%水泥摻量下的水泥粉煤灰漿液基本性能也進(jìn)行了試驗(yàn)，試驗(yàn)方法與黃土漿液性能測(cè)試方法相同，結(jié)果見(jiàn)表6。

表5 單因素試驗(yàn)結(jié)果

表6 水泥粉煤灰漿液漿液試驗(yàn)結(jié)果

2.1 黃土漿液與水泥粉煤灰漿液的指標(biāo)比較

對(duì)比表5和表6可以看出，5%~15%水泥摻量下的黃土基漿液與10%~20%水泥摻量下的水泥粉煤灰漿液的密度、黏度、凝膠時(shí)間、結(jié)石率及28 d無(wú)側(cè)限抗壓強(qiáng)度均相近，故采用黃土代替水泥粉煤灰漿液中的粉煤灰及部分水泥，在大幅降低工程成本的同時(shí)，可達(dá)到水泥粉煤灰漿液各項(xiàng)性能指標(biāo)，滿足采煤沉陷區(qū)治理要求。因此，進(jìn)一步尋求黃土漿液各項(xiàng)性能指標(biāo)的變化規(guī)律、影響因素及最優(yōu)配比，具有工程實(shí)際意義。

2.2 黏度影響因素分析

由圖2和表5可以看出：在單因素試驗(yàn)設(shè)計(jì)范圍內(nèi)，黃土漿液的黏度與水固比呈負(fù)相關(guān)變化，與水泥摻量、速凝劑摻量呈正相關(guān)變化，即隨著水固比的減小或水泥、水玻璃摻量的增加，黃土漿液的黏度逐漸增大。

(a) 水泥摻量10%，水玻璃摻量3%；(b) 水固比1︰1.1，水玻璃3%；(c) 水固比1︰1.1，水泥摻量10%

2.3 凝膠時(shí)間

由表5和圖3可以看出：黃土水泥漿液的膠凝時(shí)間與水固比呈正相關(guān)性，與水泥摻量、水玻璃摻量呈負(fù)相關(guān)性，即隨著水固比的減小或水泥、水玻璃摻量的增加，漿液的膠凝時(shí)間也逐漸縮短。對(duì)比圖2、圖3可以看出，凝膠時(shí)間與黏度成反比，黏度越大，凝膠時(shí)間越短。

(a) 水泥摻量10%，水玻璃摻量3%；(b) 水固比1︰1.1，水玻璃3%；(c) 水固比1︰1.1，水泥摻量10%

2.4 結(jié)石率影響

由表5和圖4可以看出：在單因素試驗(yàn)設(shè)計(jì)范圍內(nèi)，黃土漿液的結(jié)石率與水固比、水泥摻量呈負(fù)相關(guān)變化，與水玻璃摻量呈正相關(guān)變化，即隨著水固比和水泥摻量的減小或水玻璃摻量的增加，黃土漿液的結(jié)石率也逐漸增大。

(a) 水泥摻量10%，水玻璃摻量3%；(b) 水固比1︰1.1，水玻璃3%；(c) 水固比1︰1.1，水泥摻量10%

2.5 無(wú)側(cè)限抗壓強(qiáng)度

從表5和圖5可以看出：在單因素試驗(yàn)設(shè)計(jì)范圍內(nèi)，黃土漿液的結(jié)石率與水固比呈負(fù)相關(guān)變化，與水泥摻量、水玻璃摻量呈正相關(guān)變化，即隨著水固比的減小或其他因素?fù)搅康脑黾樱S土漿液的28 d無(wú)側(cè)限抗壓強(qiáng)度也逐漸增大。

(a) 水泥摻量10%，水玻璃摻量3%；(b) 水固比1︰1.1，水玻璃3%；(c) 水固比1︰1.1，水泥摻量10%

3 正交試驗(yàn)結(jié)果分析及預(yù)測(cè)模型構(gòu)建

正交試驗(yàn)獲得的漿液各項(xiàng)性能試驗(yàn)指標(biāo)見(jiàn)表7。

3.1 試驗(yàn)結(jié)果

為確定黃土基注漿材料各項(xiàng)性能的主要影響因素，取正交試驗(yàn)成果中注漿材料性能指標(biāo)與配比要素，采用Pearson相關(guān)系數(shù)進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表8。計(jì)算公式如下：

表7 正交試驗(yàn)結(jié)果

由表8可以看出，水固比與漿液密度、結(jié)石率、黏度呈負(fù)相關(guān)，相關(guān)性顯著；黃土摻量與黏度及強(qiáng)度顯著呈負(fù)相關(guān)，水泥摻量與黏度及強(qiáng)度呈顯著正相關(guān)；水玻璃摻量與各項(xiàng)指標(biāo)相關(guān)性不顯著。

由此可得，黃土基注漿材料密度及結(jié)石率受水固比影響最為明顯，黏度主要受水固比及黃土(水泥)摻量同時(shí)影響，28 d無(wú)側(cè)限抗壓強(qiáng)度主要受黃土(水泥)摻量影響。

表8 黃土基注漿材料性能指標(biāo)與配比要素相關(guān)性分析

注：**在 0.01 級(jí)別(雙尾)，相關(guān)性顯著(<0.01，發(fā)生概率99%)；*在 0.05 級(jí)別(雙尾)，相關(guān)性顯著(<0.05，發(fā)生概率95%)。

3.2 GA-BPNN模型構(gòu)建及參數(shù)選取

誤差反向傳播神經(jīng)網(wǎng)絡(luò)(Error Back Propagation Neural Network，BPNN)是目前使用最多的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它由輸入層、隱含層、輸出層組成，每層均含有若干個(gè)神經(jīng)元，其原理為輸入信號(hào)經(jīng)輸入層進(jìn)入網(wǎng)絡(luò)結(jié)構(gòu)傳遞給隱含層，經(jīng)隱含層加權(quán)相加后傳遞給輸出層，由輸出層產(chǎn)生輸出信號(hào)，將輸出信號(hào)與期望輸出比較，若誤差超過(guò)允許范圍，則誤差進(jìn)行反向傳播用來(lái)修正傳遞權(quán)值，通過(guò)權(quán)值的修正使網(wǎng)絡(luò)實(shí)際輸出更加接近期望輸出。

BPNN采用無(wú)約束最小化法實(shí)現(xiàn)誤差函數(shù)極小化，存在局部極小問(wèn)題；同時(shí)，在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，權(quán)重及閾值選擇具有很大隨機(jī)性，訓(xùn)練效率低，且難以求得全局最優(yōu)解。

遺傳算法(Genetic Algorithm，GA)是通過(guò)模擬生物繁衍過(guò)程中染色體交叉、變異及選擇過(guò)程，以適應(yīng)度函數(shù)評(píng)判染色體優(yōu)劣并進(jìn)行迭代，最終收斂于最優(yōu)染色體。通過(guò)GA-BPNN優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，可以較好地克服 BPNN 神經(jīng)網(wǎng)絡(luò)的問(wèn)題并且有效提高神經(jīng)網(wǎng)絡(luò)的泛化性能。

3.2.1 數(shù)據(jù)樣本及歸一化

選取試驗(yàn)因素水固比、黃土摻量、水泥摻量、水玻璃摻量4個(gè)因素為輸入層，以密度、初始黏度、凝膠時(shí)間及28 d抗壓強(qiáng)度為輸出層，以正交試驗(yàn)成果為訓(xùn)練樣本，單因素試驗(yàn)成果為預(yù)測(cè)樣本進(jìn)行網(wǎng)絡(luò)構(gòu)建及訓(xùn)練。

由于試驗(yàn)?zāi)Ｐ椭懈饕蛩財(cái)?shù)量級(jí)相差較大，為保證各因素處于同等地位，對(duì)原始數(shù)據(jù)歸一化處理[16]至[–1,1]區(qū)間內(nèi)，歸一化后數(shù)據(jù)見(jiàn)表9。

表9 黃土基注漿材料性能試驗(yàn)訓(xùn)練及預(yù)測(cè)樣本歸一化處理結(jié)果

3.2.2 GA-BPNN模型構(gòu)建

a. BPNN模型 R. H. Nielsen[17]已論證，神經(jīng)網(wǎng)絡(luò)僅需一個(gè)隱層即可以任意精度逼近對(duì)任何閉區(qū)間內(nèi)的連續(xù)函數(shù)，因此，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)為3層。本次輸入層因素為水固比、黃土摻量、水泥摻量、水玻璃摻量；輸入層節(jié)點(diǎn)數(shù)量為4。輸出層為密度、初始黏度、結(jié)石率、28 d抗壓強(qiáng)度。為提高網(wǎng)絡(luò)訓(xùn)練效率，將各輸出層因素進(jìn)行單獨(dú)訓(xùn)練，分別建立模型，因此，輸出層節(jié)點(diǎn)數(shù)量為1。隱層節(jié)點(diǎn)基于經(jīng)驗(yàn)公式[18]及試湊法比較后得到最佳節(jié)點(diǎn)數(shù)量為5，如圖6所示。

圖6 黃土基注漿材料性能預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

通過(guò)多次實(shí)驗(yàn)，訓(xùn)練參數(shù)優(yōu)化設(shè)置見(jiàn)表10。

b. GA-BPNN模型 通過(guò)GA優(yōu)化BPNN的主要步驟為：①使用遺傳算法得到最優(yōu)權(quán)值和閾值；②以遺傳算法得到的權(quán)值和閾值為初始值，再使用 BPNN 算法進(jìn)行反向傳播修正。

表10 BPNN訓(xùn)練參數(shù)優(yōu)化設(shè)計(jì)

其優(yōu)化流程如圖7所示。

圖7 GA優(yōu)化BPNN預(yù)測(cè)模型流程

GA算法主要需要確定以下參數(shù)：

a.優(yōu)化參數(shù) BPNN結(jié)構(gòu)為4-5-1，則GA算法需優(yōu)化參數(shù)數(shù)量為4×5(隱層權(quán)值)+5×1(輸出層權(quán)值)+5(隱層閾值)+1(輸出層閾值)=31個(gè)。

c.其他參數(shù) 其他參數(shù)見(jiàn)表11。

表11 GA優(yōu)化BPNN漿液性能預(yù)測(cè)模型參數(shù)設(shè)計(jì)

3.3 黃土基注漿材料性能GA-BPNN預(yù)測(cè)分析

3.3.1 網(wǎng)絡(luò)訓(xùn)練

對(duì)密度、黏度、結(jié)石率及28 d無(wú)側(cè)限抗壓強(qiáng)度通過(guò)BPNN網(wǎng)絡(luò)神經(jīng)進(jìn)行優(yōu)化，經(jīng)過(guò)28、10、23、10次遺傳、變異及迭代優(yōu)化完畢，訓(xùn)練結(jié)果良好。

3.3.2 預(yù)測(cè)結(jié)果

統(tǒng)計(jì)黃土基注漿材料性能指標(biāo)訓(xùn)練樣本擬合誤差及預(yù)測(cè)結(jié)果誤差，見(jiàn)表12。

訓(xùn)練樣本中樣本值與擬合值平均相對(duì)誤差為0.23% ~ 1.72%，擬合程度滿足網(wǎng)絡(luò)性能要求；最終預(yù)測(cè)值與期望值平均相對(duì)誤差為0.74%~1.83%，預(yù)測(cè)結(jié)果精度高，誤差可滿足材料配比設(shè)計(jì)要求。

4 黃土基漿液配比優(yōu)選

注漿充填過(guò)程中，黃土基漿液結(jié)石體28 d抗壓強(qiáng)度為主要設(shè)計(jì)指標(biāo)，同時(shí)漿液成本應(yīng)達(dá)到最低，可簡(jiǎn)化為分析不同的28 d抗壓強(qiáng)度下最低成本問(wèn)題，通過(guò)GA-BPNN進(jìn)行多目標(biāo)全局尋優(yōu)，以確定最優(yōu)配比。

表12 黃土基注漿材料性能指標(biāo)訓(xùn)練及預(yù)測(cè)誤差統(tǒng)計(jì)

4.1 配比優(yōu)選模型構(gòu)建

設(shè)計(jì)參數(shù)：水固比(1)、黃土摻量(2)、水玻璃摻量(3)，計(jì)算過(guò)程中水泥摻量為(1–2)。

優(yōu)化目標(biāo)：注漿完成1個(gè)月后，結(jié)石體抗壓強(qiáng)度至少應(yīng)達(dá)到0.6 MPa[19]，為保證安全起見(jiàn)，優(yōu)化目標(biāo)定為28 d≥0.8 MPa條件下漿液結(jié)石體單位體積成本最小。

約束條件：配比優(yōu)選范圍在正交試驗(yàn)范圍內(nèi)，即水固比1∈[1:1,1:1.2]，黃土摻量2∈[0.82,0.95]，水泥摻量=1–2，水玻璃摻量∈[0.000 5,0.009]。

目標(biāo)函數(shù)包括成本和抗壓強(qiáng)度。

a.目標(biāo)函數(shù)一：成本

現(xiàn)場(chǎng)用水價(jià)格一般為1元/t，黃土費(fèi)用約10元/t，水泥600元/t，水玻璃1 500元/t，則以注漿結(jié)石體計(jì)算每立方成本為：

其中，漿液密度及結(jié)石率通過(guò)3.3節(jié)中所得到的黃土基注漿材料結(jié)石率及密度預(yù)測(cè)模型進(jìn)行計(jì)算。計(jì)算公式為：

式中：sim為Matlab函數(shù)，用于仿真神經(jīng)網(wǎng)絡(luò)；net、net分別為訓(xùn)練后的結(jié)石率、漿液密度預(yù)測(cè)網(wǎng)絡(luò)。

b. 目標(biāo)函數(shù)二：28 d抗壓強(qiáng)度

通過(guò)3.3節(jié)中所得到的黃土基注漿材料強(qiáng)度預(yù)測(cè)模型，計(jì)算各配比漿液結(jié)石體28 d抗壓強(qiáng)度。

式中：net為訓(xùn)練后的黃土基注漿材料強(qiáng)度預(yù)測(cè)網(wǎng)絡(luò)。

其余遺傳算子參數(shù)以經(jīng)驗(yàn)值進(jìn)行優(yōu)化，最終選取見(jiàn)表13。

表13 GA配比優(yōu)選參數(shù)設(shè)計(jì)

4.2 優(yōu)選結(jié)果

通過(guò)GA-BPNN多目標(biāo)全局尋優(yōu)，尋找出滿足不同28 d 抗壓強(qiáng)度及成本最低條件下的漿液最優(yōu)配比，迭代 250次后得到28d∈[0.8,1.15] MPa的最低成本的最優(yōu)配比組合(表14)。

表14 漿液最優(yōu)配比表

對(duì)該性能范圍內(nèi)黃土基漿液最低成本和28 d抗壓強(qiáng)度與成本進(jìn)行擬合，28d與成本關(guān)系滿足一元三次方程，如圖8所示。

從圖8及表14可以看出，隨著水泥摻量及水玻璃摻量增加及黃土摻量的降低，漿液28 d抗壓強(qiáng)度顯著增長(zhǎng)，成本也隨之增大。當(dāng)28 d抗壓強(qiáng)度大于1.1 MPa后，強(qiáng)度的提高導(dǎo)致漿液成本大幅上漲。

圖8 黃土基注漿材料28 d抗壓強(qiáng)度與最低成本關(guān)系曲線

5 結(jié)論

a.黃土水泥漿液與陜北地區(qū)普遍采用的水泥粉煤灰漿液相比，性能相當(dāng)，成本大幅降低。

b. 單因素試驗(yàn)結(jié)果表明，黃土水泥漿液的黏度與水固比呈負(fù)相關(guān)，與水泥摻量、水玻璃摻量呈正相關(guān)；凝膠時(shí)間與水固比呈正相關(guān)，與水泥摻量、水玻璃摻量呈負(fù)相關(guān)；結(jié)石率與水固比、水泥摻量呈負(fù)相關(guān)，與水玻璃摻量呈正相關(guān)；黃土漿液的結(jié)石率與水固比呈負(fù)相關(guān)，與水泥摻量、水玻璃摻量呈正相關(guān)。

c.正交試驗(yàn)結(jié)果表明，黃土基注漿材料密度及結(jié)石率受水固比影響最為明顯，黏度及28 d抗壓強(qiáng)度主要受水固比及黃土(水泥)摻量影響。

d.采用GA-BPNN構(gòu)建的黃土基注漿材料性能預(yù)測(cè)值與期望值誤差僅0.74%~1.83%，預(yù)測(cè)精度高，可滿足實(shí)際應(yīng)用需求。

e.通過(guò)GA-BPNN模型全局尋優(yōu)，可獲得滿足不同的28 d抗壓強(qiáng)度及最低成本條件下的漿液最優(yōu)配比。

請(qǐng)聽作者語(yǔ)音介紹創(chuàng)新技術(shù)成果等信息，歡迎與作者進(jìn)行交流

[1] 張志沛，王紅. 注漿法在公路下伏煤礦采空區(qū)治理工程中的應(yīng)用[J]. 煤田地質(zhì)與勘探，2003，31(6)：43–47． ZHANG Zhipei，WANG Hong. Applications and studies about grouting on treating the gob areas of coal mine under highway[J]. Coal Geology & Exploration，2003，31(6)：43–47．

[2] 武強(qiáng)，王龍，魏學(xué)勇，等. 榆神府礦區(qū)大柳塔井田煤層群采地面沉陷可視化數(shù)值模擬[J]. 水文地質(zhì)工程地質(zhì)，2003，47(6)：37–39. WU Qiang，WANG Long，WEI Xueyong，et al. Visual numeric simulation of subsidence in Daliuta mine of Yushenfu[J]. Hydrogeology & Engineering Geology，2003，47(6)：37–39.

[3] 劉小平. 基于突變理論的小煤窯采空區(qū)失穩(wěn)判據(jù)及應(yīng)用[J]. 煤田地質(zhì)與勘探，2014，42(4)：55–58. LIU Xiaoping. Application of instability criteria of mined-out areas based on catastrophe theory[J]. Coal Geology & Exploration，2014，42(4)：55–58.

[4] 范立民. 陜北地區(qū)采煤造成的地下水滲漏及其防治對(duì)策分析[J]. 礦業(yè)安全與環(huán)保，2007，34(5)：62–64. FAN Limin. Analysis of groundwater leakage caused by coal mining in northern Shaanxi and its prevention and control measures[J]. Mining Safety & Environmental Protection，2007，34(5)：62–64.

[5] 張立其，劉洋，方剛. 陜北淺埋煤層采空區(qū)積水下安全開采技術(shù)研究[J]. 煤田地質(zhì)與勘探，2015，43(6)：60–64. ZHANG Liqi，LIU Yang，F(xiàn)ANG Gang. Research on safe mining technology for shallow buried coal seam under the goaf water in northern Shaanxi Province[J]. Coal Geology & Exploration，2015，43(6)：60–64.

[6] 阮文軍，張恒志. 水泥–黏土穩(wěn)定漿液的試驗(yàn)研究[J]. 長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版)，2003，4(4)：5–7. RUAN Wenjun，ZHANG Hengzhi. Experimental research on cement bentonite stable grout[J]. Journal of Changchun Institute of Engineering(Natural Science Edition)，2003，4(4)：5–7.

[7] 劉國(guó)棟. 水泥黏土灌漿技術(shù)在渠道采空區(qū)地質(zhì)處理中的應(yīng)用[J]. 水利水電施工，2013，32(3)：50–52. LIU Guodong. Application of cement clay grouting technology in geological treatment of channel goaf[J]. Water Conservancy and Hydropower Construction，2013，32(3)：50–52.

[8] WANG Xinghua，GAO Quqing. Study of a new cheap grouting material：Clay-hardening grout[J]. Tunnelling and Underground Space Technology，1997，12(4)：497–502.

[9] 張亞民，康愛(ài)國(guó)，蘇天明，等. 黃土漿液注漿性能試驗(yàn)研究[J]. 公路交通科技(應(yīng)用技術(shù)版)，2016，12(5)：50–52. ZHANG Yamin，KANG Aiguo，SU Tianming，et al. Experimental study on grouting performance of loess slurry[J]. Highway Transportation Technology(Application Technology Edition)，2016，12(5)：50–52.

[10] 冉景太. 黏土水泥漿液性能研究[D]. 昆明：昆明理工大學(xué)，2010. RAN Jingtai. Study on the performance of clay cement slurry[D]. Kunming：Kunming University of Technology，2010.

[11] MASUMOTO K，SUGITA Y，F(xiàn)UJITA T，et al. A clay grouting technique for granitic rock adjacent to clay bulkhead[J]. Physics and Chemistry of the Earth，PartsA/B/C，2007，32(8-14)：691–700.

[12] 張戎令，王起才，張見(jiàn). 鐵路濕陷性黃土路基劈裂注漿漿液配比研究[J]. 路基工程，2010，28(4)：58–61. ZHANG Rongling，WANG Qicai，ZHANG Jian. Study on mix proportion of fracture grouting for railway collapsible loess subgrade[J]. Subgrade Engineering，2010，28(4)：58–61.

[13] 陳麗華，姜玉松. 化學(xué)漿液凝膠時(shí)間測(cè)定方法探討[J]. 鐵道建筑技術(shù)，2011(9)：77–79.CHEN Lihua，JIANG Yusong. Discussion on the determination of gel time of chemical grout[J]. Railway Construction Technology，2011(9)：77–79.

[14] 中國(guó)科學(xué)院教學(xué)研究所數(shù)理統(tǒng)計(jì)組. 正交試驗(yàn)設(shè)計(jì)法[M]. 上海：人民教育出版社，1975.Mathematical statistics group，Institute of teaching and research，Chinese Academy of Sciences. Orthogonal experimental design method[M]. Shanghai：People’s Education Press，1975.

[15] 劉瑞江，張業(yè)旺，聞崇煒，等. 正交試驗(yàn)設(shè)計(jì)和分析方法研究[J]. 實(shí)驗(yàn)技術(shù)與管理，2010，27(9)：52–55.LIU Ruijiang，ZHANG Yewang，WEN Chongwei，et al. Study on the design and analysis methods of orthogonal experiment research[J]. Experimental Technology and Management，2010，27(9)：52–55.

[16] 封毅，武博強(qiáng)，崔靈周. 基于BP神經(jīng)網(wǎng)絡(luò)的臺(tái)風(fēng)降雨量預(yù)測(cè)研究[J]. 水土保持研究，2012，19(3)：289–293. FENG Yi，WU Boqiang，CUI Lingzhou. Study on forecasting typhoon rainfall based on BP neural network[J]. Resesrch of Soil and Water Conservation，2012，19(3)：289–293.

[17] NIELSEN R H. Theory of the back propagation neural network[C]//International 1989 Joint Conference on Neural Networks. Washington D.C.：IEEE Xplore，1989，1：593–605.

[18] 張雨濃，肖秀春，陳揚(yáng)文，等. Hermite 前向神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)數(shù)目自動(dòng)確定[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2010，44(2)：271–275. ZHANG Yunong，XIAO Xiuchun，CHEN Yangwen，et al. Number determination of hidden node for Hermite feed forward neural network[J]. Journal of Zhejiang University(Engineering Science)，2010，44(2)：271–275.

[19] 龐云澤，劉春原，左麗明，等. 新型采空區(qū)填充注漿材料的研制與性能試驗(yàn)研究[J]. 硅酸鹽通報(bào)，2017，36(7)：2268–2274. PANG Yunze，LIU Chunyuan，ZUO liming，et al. Experimental study on preparation and properties of new grouting material for goof filling[J]. Bulletin of the Chinese Ceramic Society，2017，36(7)：2268–2274.

Performance test and proportioning optimization of loess-based grouting materials in coal mining subsidence area of northern Shaanxi

CAO Xiaoyi1, WANG Yutao1, LIU Xiaoping1,2, CAO Zubao1, WU Boqiang1

(1. Xi’an Research Institute Co. Ltd., China Coal Technology and Engineering Group Corp., Xi’an 710077, China; 2. School of Civil Engineering and Architecture, Xi’an University of Technology, Xi’an 710048, China)

Grouting is the main treatment method of mining subsidence area, and the grouting materials have great influence on the grouting effect and cost. Taking the grout mix composed of loess and cement used in northern Shaanxi as the research object, the viscosity, the gelation time, the stone rate and 28 d uniaxial unconfined compressive strength of loess grout were studied by single factor and orthogonal tests. The influencing factors and changing rule of each index were analyzed. Meanwhile, the GA-BPNN prediction model of loess-based grout was established, and the multi-objective global optimization was carried out through GA. The grout ratio with the lowest cost and certain strength was optimized. The test results show that the loess-cement grout was similar to the grout of cement and fly ash commonly used in northern Shaanxi. The cost was greatly reduced, and the density and stone ratio of loess-based grouting materials are most affected by the water-solid ratio. The viscosity is mainly affected by the water-solid ratio and the loess(cement) content at the same time, the 28d strength is mainly affected by the loess(cement) content, and by the model constructed with GA-BPNN, and the relative error between the predicted value and expected value of performance of loess-based grouting materials is 0.74%–1.83%. The predicted result has high precision and could meet the requirements of practical application.

mining subsidence area; loess; grouting material; GA-BPNN prediction model; proportioning optimization; northern Shaanxi

TD654

A

10.3969/j.issn.1001-1986.2020.03.002

1001-1986(2020)03-0008-09

2019-12-29；

2020-04-02

中煤科工集團(tuán)西安研究院有限公司科技創(chuàng)新基金重點(diǎn)項(xiàng)目(2017XAYZD04)

Key Projects of Science and Technology Innovation Fund of Xi’an Research Institute of CCTEG(2017XAYZD04)

曹曉毅，1985年生，女，陜西蒲城人，碩士，副研究員，從事采煤沉陷科研與防治工作. E-mail：caoxiaoyi@cctegxian.com

曹曉毅，王玉濤，劉小平，等. 陜北采煤沉陷區(qū)黃土基注漿材料性能試驗(yàn)及配比優(yōu)選[J]. 煤田地質(zhì)與勘探，2020，48(3)：8–16.

CAO Xiaoyi，WANG Yutao，LIU Xiaoping，et al. Performance test and proportioning optimization of loess-based grouting materials in coal mining subsidence area of northern Shaanxi[J]. Coal Geology & Exploration，2020，48(3)：8–16.

(責(zé)任編輯 周建軍)