铀矿尾渣胶结充填体塌落度影响因素及预测模型

刘玉龙,李广悦,张志军,胡 南,喻 清,丁德馨*

(1.南华大学 铀矿冶生物技术国防重点学科实验室,湖南 衡阳 421001;2.中广核铀业发展有限公司,北京 100029)

0 引 言

目前，我国硬岩型铀矿山多采用常规采矿-酸法堆浸工艺生产天然铀[1-3]。大部分铀矿山堆浸后的酸性尾渣采用尾矿库堆存的方法进行处理。实践表明，堆存在尾矿库的酸性尾渣具有潜在威胁或污染周边水体、土壤、植被及环境风险。将酸性铀矿尾渣中和后回填到地下采空区，不仅可以有效解决地表生态环境，而且可以改善围岩应力状态、维护采空区的稳定性[4]。

尾渣胶结充填工艺技术是解决上述问题的重要手段，该技术在国内外矿山已经得到广泛应用[5]。近年来，国内堆浸铀矿山也积极开展铀矿尾渣胶结充填体试验研究，并尝试将该工艺技术应用到生产实践中。

尾渣胶结充填工艺技术对充填料的流动性、可塑性和稳定性有较高要求，塌落度[6]是判别充填料上述特性的关键综合指标。影响塌落度的因素较多，且绝大多数因素与塌落度关系是复杂的、模糊的，难以定量去描述。在试验和生产实践中，可以定量描述和控制的影响因素主要是渣浆质量浓度和灰渣质量比。经验类比法、物理模拟法、弹性力学分析法等方法是解决工程模拟问题的重要方法，但存在预测结果精度不高、偏差较大等问题[7-8]。为此，作者把收敛速度快、预测模型稳定、网络训练结果精度高的自适应神经模糊推理系统(ANFIS)引入该领域，采用自适应神经模糊推理系统模型预测不同条件下铀矿尾渣胶结充填体塌落度，以期解决矿山试验和生产实践中充填料流动性和稳定性相互匹配的问题。

1 试验部分1.1 试验材料

试验材料：中和剂为工业生石灰，胶结剂为325#普通硅酸盐水泥，骨料为广东某铀矿山堆浸后酸性尾渣，采用质量比为1%的生石灰中和至偏碱性，尾渣粒级组成如表1所示，尾渣物理性质如表2所示。

表1 铀矿堆浸尾渣粒级组成Table 1 Particle size composition of heap leaching uranium tailings

表2 铀矿堆浸尾渣物理性质Table 2 Physical character of heap leaching uranium tailings

铀矿尾渣用编织袋装送至实验室，充分混匀，缩分出30 kg样品进行破碎，破碎后再次混匀，缩分至15 kg，105 ℃条件下烘干，磨至0.074 mm进行化学分析，尾渣化学成分如表3所示。

表3 铀矿堆浸尾渣化学成分Table 3 Chemical composition of heap leaching uranium tailings 单位：%

1.2 物料配比

试验中渣浆质量浓度设计值分别为78%、80%、83%，每级渣浆质量浓度对应的灰渣质量比分别为1∶6、1∶8、1∶10、1∶15、1∶20、1∶25、1∶30，中和剂为工业生石灰，生石灰与铀矿尾渣质量比为1%。

1.3 塌落度测定

铀矿尾渣胶结充填体的塌落度采用塌落度仪测定，塌落度仪为一上、下底贯通的圆台，高300 mm，上、下底直径分别为100 mm和200 mm。塌落度测定仪见图1。

图1 塌落度测定仪Fig.1 Slump Tester

测试时，先用湿布把塌落度仪内外壁擦干净并润湿，将搅拌好的铀矿尾渣渣浆分层装入塌落度仪，每层用捣棍插捣25次，最后刮平表面，垂直向上提起塌落度仪，立即测量塌落后的渣浆试件的高度，塌落度仪的高度与渣浆试件高度差即为渣浆试件的塌落度。每组配比试件测试3次，结果取平均值。

1.4 试验结果

不同渣浆质量浓度和灰渣质量比组合试件的塌落度试验结果见表4。试验结果表明，铀矿尾渣胶结充填体的渣浆质量浓度越大，塌落度越小，说明渣浆流动性越差；当渣浆质量浓度在同一数值时，渣浆的塌落度与灰渣质量比值成反比，即水泥加入量一定，铀矿尾渣加入量增大，渣浆胶结性能减弱，渣浆的流动性就增强；随着渣浆质量浓度变小，渣浆流动性能增强，如果再加大灰渣质量比，渣浆会出现明显的分层和离析现象。

表4 铀尾渣胶结充填体塌落度试验结果Table 4 Slump results of cemented uranium tailings backfill

2 充填体塌落度的ANFIS模型建立

采用ANFIS模型处理试验数据[9-11]，铀矿尾渣胶结充填体试验得出的18组数据作为模型的源数据，其数据列于表4。将表4的16组数据对标准化处理，形成训练数据对(第2组和第8组作为验证数据对)，即将渣浆质量浓度和灰渣质量比作为网络的输入，对应的塌落度作为网络输出，建立网络映射关系。采用减法类聚法建立模型结构，每个输入变量赋予5个Gauss型隶属函数，其结构如图2所示。利用所组成的数据对，采用混合学习算法对网络进行训练，当训练误差与预测误差达到最佳时结束训练，训练总次数为3次，训练数据最小均方根差为1.931×10-6。训练过程中误差的变化如图3所示。

图2 预测铀尾渣胶结充填体塌落度的ANFIS结构Fig.2 ANFIS model for predicting slump of cement uranium tailings backfill

图3 ANFIS模型训练误差的变化Fig.3 Error variation of ANFIS model during the training

3 充填体塌落度的ANFIS模型检验与应用

3.1 ANFIS模型检验

采用表4试验编号为2和8实测数据对验证ANFIS结构模型的精度，把编号为2和8数据对中渣浆质量浓度和灰渣质量比输入模型，输出即为对应的塌落度预测结果。预测值与实际值比较情况如表5所示。

表5 预测值与实测值的比较Table 5 Comparison between the results of predictions and measure samples

从表5可以看出，采用ANFIS模型预测出塌落度值与实际测量值吻合度较高，相对误差很低，满足精度要求。

3.2 ANFIS模型在其它矿山中应用

我国某铀矿山采用胶结充填法-地表酸法堆浸工艺，堆浸铀矿尾渣的物理参数为粒度-10 mm，容质量1.634 g/cm3，密度2.79 g/cm3，含水状态下的自然安息角39.6°，内聚力0.058 kg/cm2，内摩擦角38.6°。采用该模型对该铀矿山尾渣胶结充填体的塌落度的预测值与实测值对比见表6。

表6 江西某铀矿山铀尾渣交结充填体塌落度 ANFIS模型预测值与实测值对比Table 6 Comparison between the results of predictions and measure samples for Jiangxi uranium mine

由表7可以看出，如果不同矿山堆浸尾渣粒度、容质量、密度、含水状态下的自然安息角、内聚力、内摩擦角等物理性质相似，训练后的ANFIS模型可以预测胶结充填体的塌落度，其误差较小，精度较高，完全能满足矿山试验和工程实践要求。

4 结 论

1)当铀矿尾渣粒度小于10 mm，尾渣胶结充填体塌落度随着渣浆质量浓度增大而变小，即渣浆流动性变差；当渣浆质量浓度在同一数值时，尾渣胶结充填体塌落度与灰渣质量比值成反比，即渣浆的流动性随着灰渣质量比减少而增大；如果渣浆质量浓度变小，同时减少灰渣质量比，渣浆会出现明显的分层和离析现象。

2)以广东某铀矿堆浸尾渣为试验对象获取源数据，设计铀尾渣渣浆质量浓度和灰渣质量比作为网络输入，对应的塌落度为网络输出，建立铀尾渣胶结充填体塌落度的ANFIS模型具有较高的精度，且结果唯一、可靠，是一种可靠且实用的预测方法。

3)铀矿尾渣的粒度、容重、比重、自然安息角和内摩擦角等物理参数是衡量已建立铀尾渣胶结充填体塌落度ANFIS模型能否推广重要参数，江西某铀矿山尾渣的物理参数与广东某铀矿山尾渣的物理参数具有极大相似性，则已知铀尾渣胶结充填体塌落度ANFIS模型即可推广应用，其精度较高，完全能满足矿山试验和工程实践的要求。