本研究的主要作者与机构
本研究的通讯作者及主要研究人员来自中国矿业大学（China University of Mining & Technology）矿业学院，通讯作者为Bai Jianbiao。合作单位包括新疆工程学院（Xinjiang Institute of Engineering）的新疆煤层资源勘查与开发重点实验室、绿色智能开采新疆工程技术研究中心，以及湖南科技大学（Hunan University of Science and Technology）的南方煤矿瓦斯与顶板灾害防治安全生产重点实验室。此外，本研究还得到了中国矿业大学“灾害预防与生态保护”国家重点实验室的支持。
研究成果发表信息
该研究成果以研究论文（Research Article）的形式发表于期刊《Construction and Building Materials》第512卷（2026年），文章识别码为145384。文章于2025年6月30日提交，2026年1月21日被接受，并于2026年1月23日在线发表。论文标题为“Study on the failure mechanism and performance prediction of high-water filling body with coal gangue and fiber”。
研究的学术背景
本研究属于矿业工程、岩土工程与建筑材料交叉领域，主要聚焦于煤矿固体废弃物资源化利用与绿色开采技术。其产生的背景源于两个严峻的现实问题：首先，煤炭开采和洗选过程中产生大量煤矸石，通常堆存于地表，不仅侵占土地，还存在自燃、淋滤污染空气和地下水等严重环境风险。其次，在煤矿开采中，沿空留巷（gob-side entry retaining）技术能够提高煤炭回收率，但现有充填技术（如混凝土、膏体充填）在大量消纳煤矸石时面临运输困难或成本高昂的瓶颈。
高水材料（high-water material）因其出色的流动性和可泵送性，是潜在的矸石输送载体。然而，高水材料具有延性破坏特征，而煤矸石则表现为脆性破坏，二者变形性能不协调。因此，开发一种能大规模消纳煤矸石、同时具备良好施工性能和优异力学性能的新型充填体，成为突破当前技术瓶颈的关键。
基于此，本研究提出了一种创新的解决方案：以煤矸石为核心骨料，高水材料为胶结基质，并掺入纤维作为性能改良剂，协同构建一种新型纤维增强煤矸石-高水材料充填体（GFH-CPB, fiber-reinforced coal gangue-high-water material filling body）。本研究旨在实现三个目标：1）利用高水材料的高流动性解决煤矸石颗粒输送难题，并就地资源化利用煤矸石以降低成本与环保压力；2）利用纤维的桥联增韧作用协调煤矸石与高水基体的变形性能差异；3）使充填体满足沿空留巷对高强度与让压变形能力的双重需求。为此，研究系统探讨了GFH-CPB在煤矸石与纤维耦合作用下的宏观力学性能、微观破坏机制，并构建了基于机器学习的性能智能预测与配比逆向设计模型。
研究的详细工作流程
本研究采用了从宏观到微观、从实验到模拟的系统性研究框架，主要包括以下几个关键步骤：
第一步：材料制备与试样设计 研究采用了三种主要材料：由中国矿业大学研制的高水材料（A、B组分）、来自新疆焦煤集团某矿的煤矸石以及长度为12毫米的聚丙烯纤维。煤矸石被破碎筛分为五种粒径级别：粉末状、1.5毫米、3毫米、6毫米和12.5毫米。
为了避免纤维因静电效应结团，研究采用0.2%浓度的羟丙基甲基纤维素水溶液对纤维进行润湿预处理，以消除纤维间静电。通过X射线计算机断层扫描技术对纤维分散效果进行三维表征，结果表明，在纤维掺量不超过0.6%时，纤维能以单丝形式均匀分散在基体中；当掺量达到1.0%时，会出现局部纤维簇。
基于此，研究设计了系统的实验方案，探究煤矸石质量比（15%、30%、45%、60%）、煤矸石粒径（上述五种）和纤维质量掺量（0%、0.3%、0.6%、1.0%）三个因素对GFH-CPB力学性能和破坏模式的影响。总计制备了80个直径为50毫米、高度为100毫米的圆柱形标准试样。所有试样均在20℃条件下养护7天，以模拟沿空留巷充填体早期承载的实际工况。
第二步：多尺度性能测试与表征 研究构建了包含加载系统与多维度监测系统的综合测试方案。 1. 宏观力学性能测试：使用WAW-2000电液伺服万能试验机对所有GFH-CPB试样进行位移控制模式下的单轴压缩试验，加载速率为1.0毫米/分钟，以获得完整的应力-应变曲线（包括峰后行为）。 2. 声发射监测：采用Micro-II Express声发射系统，配合Nano30传感器，对压缩过程中充填体内部裂纹的萌生与扩展动态进行实时监测。通过定位分析、b值分析和RA-AF分析，从损伤规模、空间演化和裂纹类型多个维度揭示破坏过程。 3. 微观形貌与结构分析：采用TESCAN VEGA Compact扫描电子显微镜观察试样断裂形貌，评估高水材料、煤矸石和纤维之间的胶结特性、界面结构及微观破坏机制。 4. 孔结构分析：使用Autopore IV 9510全自动压汞仪定量分析煤矸石和纤维参数对高水充填体孔隙率、孔径分布和孔结构的影响。 5. 热重分析：采用STA449F5同步热分析仪，在氮气保护气氛下对样品进行热重分析，通过分析特征温度区间的质量损失，定量研究煤矸石和纤维参数对高水充填体中水化产物含量的影响。
第三步：机器学习模型构建与优化 鉴于传统实验室配比设计成本高、效率低，本研究基于80组实验数据，构建了GFH-CPB性能的智能预测与逆向设计框架。 1. 基础模型筛选：针对小样本、高维度、非线性强的数据集特点，比较了支持向量回归、随机森林和XGBoost三种模型的性能。最终选择在预测精度与稳定性间取得最佳平衡的支持向量回归作为基础预测模型。 2. 超参数优化：为了提升SVR模型的预测性能，引入了灰狼优化算法、差分进化算法、蚁群算法、遗传算法和粒子群算法五种元启发式优化算法，对SVR的关键超参数进行自动寻优。通过多次独立运行和综合评价指标（均方根误差、决定系数、方差解释率），为不同力学性能指标（峰值应变、峰值强度、残余应变、残余强度）分别确定了最优的SVR-优化算法组合。结果表明，遗传算法在多数性能指标的预测优化中表现最优。 3. 多目标逆向设计：针对工程中常见的“给定目标性能，反求最佳材料配比”的需求，研究在优化后的SVR模型基础上，引入了基于非支配排序的遗传算法II。将煤矸石含量、粒径和纤维含量作为决策变量，将SVR模型预测的性能指标作为目标函数。通过NSGA-II的迭代搜索，可获得一系列满足多目标性能要求（如高强度高韧性、低成本中等强度等）的帕累托最优配比方案。 4. 模型验证：采用模型推荐的优化配比制备了新的GFH-CPB试样进行单轴压缩试验，以验证预测模型的准确性。
研究的主要结果
1. 宏观力学性能变化规律 单轴压缩试验结果表明，GFH-CPB的承载性能受煤矸石含量、粒径和纤维掺量的耦合影响。 * 煤矸石含量的影响：保持其他条件不变，GFH-CPB的强度随煤矸石含量增加并非单调变化。对于粉状颗粒，强度持续下降；而对于其他粒径颗粒，强度呈现先增加后降低的趋势（例如，3毫米颗粒在含量为45%时出现强度峰值）。同时，GFH-CPB的变形能力对煤矸石含量高度敏感，表现为峰值应变减小、峰后延性变差。这是因为在高矸石含量下，复合体的破坏模式从高水材料主导的延性破坏转变为煤矸石主导的脆性断裂。 * 煤矸石粒径的影响：在相同含量下，GFH-CPB的强度变化与粒径和含量有关。例如，当含量为45%时，强度在粒径为3毫米左右达到峰值。更重要的是，GFH-CPB的变形能力随粒径增大而显著改善。 * 纤维掺量的影响：纤维的掺入能有效改善GFH-CPB的性能。当纤维掺量不超过0.6%时，对强度有增强作用，且在0.6%时增强效果最显著；超过0.6%则因纤维结团导致强度下降。同时，纤维能显著降低峰后强度衰减，增强GFH-CPB的延性，有效维持残余承载能力。 * 工程适用性评价：与纯高水材料相比，优化配比的GFH-CPB（如煤矸石含量≤45%，纤维掺量≥0.6%）能够达到与之相当的变形能力，并表现出同等或更高的强度，证明其能满足沿空留巷的技术要求。
2. 破坏特征与裂纹演化 破坏形态观察显示，无纤维的GFH-CPB主要产生平行于加载方向的拉伸裂缝。掺入纤维后，破坏形态变得复杂，纤维在裂缝间的桥联作用清晰可见，能诱发多级裂纹分叉和次级裂纹形成，抑制横向裂纹扩展，防止块体剥落，从而提升充填体的变形完整性。 声发射监测将GFH-CPB的损伤过程分为三个阶段：起裂阶段、活跃阶段和衰减阶段。分析发现： * 对于无纤维试样，随着煤矸石粒径增大，声发射定位点簇集现象更明显，表明声发射信号主要由脆性的煤矸石破裂释放，导致GFH-CPB发生局部化结构损伤。b值迅速从高位下降，表明损伤从微破裂快速转向局部宏观裂纹扩展。 * 对于纤维增强试样，声发射计数值和定位点空间分布更为均匀，簇集现象减弱。b值能在更长时间内维持在高位。这表明纤维的桥联效应有效重新分布了集中在煤矸石颗粒处的应力，抑制了宏观裂纹的扩展，使试样的损伤过程持续保持在微破裂阶段，耗散了更多能量。 * RA-AF分析表明，无纤维GFH-CPB中虽以拉伸裂纹为主，但随着煤矸石粒径增大，剪切裂纹比例逐渐增加。而纤维的掺入显著削弱了因粒径增大导致的RA值上升和AF值下降趋势，高密度数据点仍集中在拉伸区，表明纤维改变了GFH-CPB内部裂纹的演化机制，削弱了煤矸石对高水基体力学性能的异化作用。
3. 微观结构与性能机理 多尺度实验揭示了参数影响的微观机理： * 煤矸石含量的影响机理：增加煤矸石含量会吸附更多拌合水，抑制高水材料的水化反应，导致钙矾石和C-S-H凝胶等水化产物生成减少，孔隙率和平均孔径增大，基体胶结性能劣化。然而，在特定含量范围内（如30%到45%），煤矸石颗粒能在基体内形成承载骨架网络，其结构增强效应超过了吸水导致的强度劣化，从而出现强度提升的“渗流理论”效应。 * 煤矸石粒径的影响机理：中等粒径（1.5-6毫米）的煤矸石具有适中的比表面积和颗粒间距，能促进高水基体形成致密、有序的胶结结构，水化产物分布均匀，孔隙结构更密实、均质，从而赋予GFH-CPB最优的强度和稳定性。粉状颗粒因比表面积过大导致基体缺水、裂缝孔隙多；超大颗粒则因颗粒间距大、界面粘接弱而影响性能。 * 纤维掺量的影响机理：纤维不参与化学反应，但影响浆体流动性和破坏模式。在0.6%掺量下，纤维形成三维交织网络，被致密的水化产物包裹，主要发生剪切破坏，能有效抑制裂纹扩展。在1.0%掺量下，纤维结团导致分散不均，团簇内部纤维与基体粘结不足，容易发生滑移破坏，且在团簇间形成未充分水化的“夹芯”结构和大量裂纹，导致性能下降。
4. 机器学习模型预测与优化效果 模型比较与优化结果表明： * 针对峰值应变预测，经差分进化算法优化的SVR模型效果最佳。 * 针对峰值强度、残余应变和残余强度预测，经遗传算法优化的SVR模型均表现最优，其预测值与实验值高度吻合，决定系数高，测试集最大预测误差均低于10%。 * 为避免不同算法导致应变与强度预测关系的解耦，最终选择SVR-GA模型作为GFH-CPB承载性能的通用最优预测器。 * 结合NSGA-II的多目标逆向优化模型，成功为四种典型性能需求（低强低韧、低强高韧、高强低韧、高强高韧）推荐了最优配比。验证实验表明，按模型推荐配比制备的GFH-CPB试样，其各项性能指标的实验值与目标值误差均小于10%，证明了模型的高精度和工程实用性。
研究的结论与价值
本研究通过系统的多尺度实验与机器学习建模，深入揭示了纤维增强煤矸石-高水材料充填体的承载破坏机制，并建立了高效的性能预测与配比设计方法，得出以下主要结论： 1. GFH-CPB的承载性能受煤矸石含量与粒径耦合影响。适当掺量的纤维可同步提升其延性变形性能和强度，使其满足沿空留巷的高强度与让压要求。 2. 煤矸石通过影响高水材料的水化产物含量与结构来影响GFH-CPB性能。中等粒径煤矸石最有利于形成致密稳定的胶结结构。 3. 纤维通过形成桥联网络改变破坏模式与损伤演化过程，促进更均匀的应力分布和以拉伸裂纹为主的稳定损伤，显著提升材料的韧性和残余承载力。 4. 所构建的GA-SVR-NSGA-II智能预测与逆向设计框架，能够实现GFH-CPB性能的高精度双向预测，预测误差小于10%，为沿空留巷绿色充填提供了高效、低成本的配比设计解决方案。
本研究的科学价值在于首次系统揭示了煤矸石-纤维-高水材料多组分复合体的宏微观力学行为与协同作用机制，丰富了固体废弃物复合充填理论。其应用价值显著，为煤矿大规模消纳煤矸石、实现绿色低成本沿空留巷提供了具体的技术路径和设计工具，对推动煤炭行业绿色发展具有重要的实践指导意义。
研究的亮点