水泥生料成分指标用直接序贯联合仿真的建模外文翻译资料

 2022-10-16 16:05:25

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

水泥生料成分指标用直接序贯联合仿真的建模

摘要：水泥生料成分指标的分布特征进行采石场采场布局的先决条件。这些指标是通过化学成分计算而来的，例如SiO2,Al2O3,Fe2O3,CaO和MgO,以及最重要的LSF(石灰饱和系数),SIM（硅率）,ALM（铝率）和CS（钙硅比）。地质统计学图表在这方面更有用，因为他们反映了现实的不同表现形式，并且更加准确地展示了分布特征。本文介绍了如何运用直接序列仿真（DSS）和联合（CODSS）算法，以化学成分SiO2、AL2O3、Fe2O3、CaO和MgO作为基本变量建立模拟图像集。对于联合仿真，一种新的方法用主成分（PC）作为二次变量。最后，模拟图像代数相结合去估计成分指标（LSF、ALM、SIM和CS）的当地分布函数，显示每个索引的分布概率是否在最佳区间。

1.前言:水泥是混凝土的基本成分，是一种把钙、硅、铝、铁和少量的其它成分比如石膏严格控制的化学混合物，其中在研磨过程中加入石膏是为了调节混凝土的凝固时间。石灰和硅占了质量的百分之八十。在其制造中使用的材料中，常见的有石灰石，贝壳，和白垩或泥灰岩与页岩，粘土，石板或高炉矿渣，硅砂，和铁矿石混合。在水泥制造的每一个环节，比如原材料的采石场提取，是在工厂实验室通过频繁的化学和物理实验来检验的。最终产品也进行了分析，并进行测试，以确保它与规格一致。水泥生料成分指数空间分布特征是采石场进行采场布局的前提条件。这些指标是通过化学成分计算而来的，例如SiO2，Al2O3,Fe2O3,CaO和MgO,以及最重要的LSF(石灰饱和系数),SIM（硅率）,ALM（铝率）和CS（钙硅比）。

LSF者石灰饱和系数等于氧化钙与二氧化硅、氧化铝、氧化铁之间重量的加权和的比值:

LSF=

当原料在按比例混合均匀和适当的燃烧条件下时，在熟料中是不会留下游离CaO的。LSF的理论值在0.66和1.02之间，但是在1和1.02之间最佳。更高的比值就更加好，因为这样水泥的机械性能就会提高。然后，原料必须更加精细地研磨并且熟料烧成温度必须更高，这会导致窑衬受到伤害。

硅率或者硅酸系数也被称作硅比值，是第二重要的指标，并且表示出了二氧化硅和氧化铝、氧化铁组分之间的关系:

SIM=

一种高SIM值的原料生产出的熟料更加优质，生产出的水泥也有更高的机械耐磨性能。然而，高的SIM值有缺点，如液相的低百分比，难以熟料化以及需要较高的温度，增加燃料的消耗。但是，低SIM值的优点是液相的比例更高，有利于熟料化，具有低的燃烧温度，并且因此消耗较少的能量。SIM值通常在2.4到2.6之间。

ALM或者铝模量等于氧化铝与氧化铁的比:

ALM=

合适的ALM值在1.5到1.7之间。

另一方面，氧化钙和二氧化硅的比值应该高于2.0:

CS=

最后，镁级应该低于5%:MgOlt;5%.

地球科学统计技术能够产生平均图表（估计）或一组岩石空间分布或者地球化学变量的等概率图像（仿真）。它们经常被用来储量和矿山/采石场开采规划评估。

在模拟方法中，目的不是产生平均图像，或最可能的资源特性的图像（在任何估计，例如克里格），而是一套现实图像呈现极端行为，以及本地和全球不确定性。每个模拟图象是一个随机函数的特定实现，保持相同的空间分布，基本统计（直方图）和空间变异为实验（变差或空间协方差）数据。

为了模拟组成指标的图像，有两种方法：等级图像的生成和指数的后续计算，或者做为随机变量即刻生成图像处理指数。在我们的文章中，我们决定先模拟五种化学成分（SIO2、Al2O3，Fe2O3，CaO和MgO），成分指数随后被建造。此过程主要是合理的指标的较低空间连续性与化学组分相比，因为它们通过数学公式被组合，化学成分不都是高度相关。另一方面，所有五个化学成分表示出了明确定义的空间结构，这表现在变差函数和通过分层定位在采石场可见佐证。

几种模拟方法是候选者去生成的氧化成分的图像，尤其是连续的模拟。序贯高斯模拟（SGS）和顺序指示模拟（SIS）是第一使用的版本。最近，DSS诸如由Caers（2000）提出并由苏亚雷斯（2001）改进成为广泛使用的模拟顺序技术连续变量，避免转换到正常得分的空间，便于使用的次要信息。在目前的工作，直接序列仿真和联合仿真，使用（DSS和DSS）。

在多变量的环境中，代码是一个很好的选项，模拟整个组变量保留之间的内在关系的变量（如由相关系数测定和变差函数）。 在代码里，局部的均值和方差可以用简单的协同估值，如果所有的变量都模拟了一次（Journeland Huijbregts，1978; Goulard和沃尔兹，1992）或简单的并列协同估值，如果变量模拟一次一个（阿尔梅达和Journel，1994）。然而，特别是涉及到两个以上的变量，建模区域化是一个困难的只能通过假设简化解决的问题。

在本文中，对化学成分的联合仿真或主要变量（SiO2、Al2O3、Fe2O3，CaO和MgO），一种新型方法使用主成分（PC）的主要成分分析（PCA）作为次要变量。最后，将模拟图像结合代数序估计当地分布函数该成分/质量指数（LSF，ALM，SIM和CS），显示各指标的局部概率是否是最优的时间间隔内。

在Outatilde;o水泥厂的案例证明了该方法论。样品在采石场收集垂直钻孔和大致规则网格通过X射线荧光化学分析。

2.方法

2.1框架

提及的方法最重要的目的是生产出一套上文描述到的模拟图像和与原料最适合的空间，步骤如下：

  1. 探索单变量和双变量化学成分（主要变量）的统计分析根据研究：SiO2，Al2O3，Fe2 O3，CaO和MgO。
  2. 对于主要变量，主成分的分析（PCA）的应用和主成分（PC）的选择到使用二次数据，通常为两个或三个，这解释了大部分方差。
  3. 所述选定的PC（辅助数据）和化学成分（主数据）之间的相关性分析。
  4. 实验变差函数的计算和选定的PC和主变量的理论模型的选定。
  5. 每个选定PC的NS个图像，使用DSS的随机模拟。每一组NS个模拟图像的将在本方法的以下阶段被视为次要数据。要注意的PC之间的独立性，这是合理的使用DSS，无码是重要的。
  6. 每种化学成分（主数据）的NS个图象，空调到采样数据和集的个人电脑（辅助数据）与代码的模拟图像中的共同仿真。
  7. 由化学成分的模拟图像的代数组合水泥的组成指标（SIM，ALM，LSF和CS）的NS个图象的计算，根据方程（1） - （4）。局部地，该组NS个值构成这些指数的局部直方图的估计。

在步骤7中获得的模拟图像使开采情景和最优策略的产生为原料混合物，突出全局和局部的不确定性规划。指示器地图和区域区划中的组成指标（SIM，ALM，LSF，CS和氧化镁的等级）中的最优间隔显示值的NS个的基础上，另外一个重要的问题指数的模拟图像。

2.2 DSS和CoDSS的工艺步骤

为了解释的值用N位置的网格的模拟（XU），我们首先表示Z1（x）的作为主随机变量和Z2 （x）的作为二次随机变量。

DSS步骤如下:

  1. 随机序列的选择与每个网格一个单一的访问位置XU进行模拟。
  2. 在每个网格位置，模拟。
  3. 循环直到所有N格的位置进行了模拟。

图1 钻孔和阶层定位的空间分布

DSS算法被应用于模拟所研究领域的主成分PC1，PC2...PCp.每一组模拟图像PC 1，PC2，...PCp都被用来在下一个应用程序用作辅助数据。

带有两个或更多的辅助变量的代码算法是Soares在2001年提出的算法的扩展，并且可以在下面的步骤总结：

  1. 要模拟与每个网格位置的单一访问随机序列的选择。
  2. 在每个网格位置，（xu）模拟：

表一 初始数据集的基本情况

表二 初始数据集的相关系数矩阵

表三 主成分分析：变量和PC间的特征值和相关性

使用矩阵形式主义，简单的具有两个辅助变量PC1和PC2的并置协同克里格系统，在xu和n放置。邻近样本xu被定义为

a）半方差（E-W）-CP1

b) 半方差（N-S）-CP1

a）半方差（E-W）-MgO

b) 半方差（N-S）-MgO

两个多辅助变量简单的并置协同克里格系统的概括很简单。

表四 变差函数模型拟合PC1，PC2和化学成分

图4 模拟图像（实现1号）：a)PC1;b)PC2

该算法同样继续先前的解释，现在对于z1（x）：

假设马尔可夫型近似，互协方差可使用下述关系协方差或相关图而言来计算。

初级和次级变量之间的空间协方差推断考虑到主变量的空间协方差和各二次变量PC1，PC2...和主变量（rho;PC1和rho;的PC2）之间的相关性指数：

2.3 通过指标形式主义的原料质量分区

DSS和CoDSS，如上所述，产生五个化学成分的模拟图像在一个小规模的3D块（比爆破体积小得多），并根据方程被代数组合。 （1） - （4）组成指标的LSF，ALM，SIM卡和CS。

图5 模拟图像集（实现1号）：a)SiO2;b)Al2O3;c)Fe2O3;d)CaO;e)MgO;and f

表五 1号实现的基本统计

表六 1号实现的相关系数矩阵

图6 a)LST爆破规模量;b) 属于最佳的间隔和优化区域的概率

图7 a)SIM爆破规模量；b）属于最佳的间隔和优化区域的概率

在较大的爆破体积的原料质量分区它首先要高档计算组成指标。作为LSF，ALM，SIM和CS是累加的，相当于值的大体积x垂直计算，其中NV型小型模块，是由简单的算术平均值。要允许二进制分区，剩下的计算是转变NS个计算值各构成指数的P，在每个位置XV，一个指示变量。

如果我们考虑P（xv;s）索引p的在体积x垂直的值和实现秒（S =1，N s个）的指示器变量I P（x v的多个）可被定义

最后一个问题仍然是，改造概率值的概率P（x垂直）为指标值I P（x垂直）显示各成分指数P中的最佳区域。考虑到这一点，阈值T p的计算，对于每个索引p，是基于本地的概率的概率P（x v）中，调节以维持整体平均的值。

3 案例分析

3.1 研究区域和数据

在本文提出的方法是从Outatilde;o水泥厂，命名为谷德Mos酒店A中的石灰石/泥灰岩采石场，位于埃什特雷拉阿拉比达的塞图巴尔半岛，葡萄牙最南部的部分数据进行测试。石灰石与泥灰岩原材料与炸药（乳液）提取并混合/混合（如果有必要的添加剂），以获得最佳的产品。岩性从上侏罗统日期层的分层从N（80°至90°）W，范围在西部地区，N（65°〜70°）W的中部地区，约N70°W在东部地区，呈现出的轻微折 结构体。逢低图层不恒定，更加倾斜到西部（50°到60°以北），比东部（asymp;45°以北）。

图8 a)ALM爆破规模量;b) 属于最佳的间隔和优化区域的概率

图9 a）CS爆破规模量；b）属于最佳的间隔和优化区域的概率

化学分析为二氧化硅，的Al2O3，Fe2O3，CaO和MgO在由131垂直钻孔调查

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[151137]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章