袁國斌, 楊志強,, 高 謙, 把多恒

(1.北京科技大學 金屬礦山高效開采與安全教育部重點實驗室,北京 100083; 2.金川集團股份有限公司,甘肅 金昌 737100)

?

利用BP神經(jīng)網(wǎng)絡優(yōu)化低活性礦渣基膠凝材料配方

袁國斌1, 楊志強1,2, 高 謙1, 把多恒2

(1.北京科技大學 金屬礦山高效開采與安全教育部重點實驗室,北京 100083; 2.金川集團股份有限公司,甘肅 金昌 737100)

針對金川鎳礦充填法采礦,文章利用酒鋼低活性水淬渣對早強新型充填膠凝材料進行了研究,并對酒鋼水淬渣進行物化特性分析,選擇生石灰、脫硫灰渣、粉煤灰和芒硝作為復合激發(fā)劑進行膠凝材料配方正交試驗。在此基礎上,建立BP(back propagation)神經(jīng)網(wǎng)絡模型對試驗樣本進行學習和訓練,獲得激發(fā)劑配方與膠凝材料特性之間的隱含知識。并借助隱含知識進行不同激發(fā)劑配方膠凝材料特性預測,揭示膠凝材料特性隨激發(fā)劑摻量的變化規(guī)律,由此確定了新型充填膠凝材料最優(yōu)配方生石灰、脫硫灰渣、粉煤灰、芒硝、亞硫酸鈉、酒鋼渣粉的摻量分別為3%、5%、5%、1%、2%、84%。對該最優(yōu)配方進行驗證試驗,獲得3 d和7 d的強度分別達到1.735 MPa和2.876 MPa,完全滿足金川礦山下向膠結充填法采礦對膠凝材料的強度要求。

礦渣微粉;低活性;膠凝材料;BP神經(jīng)網(wǎng)絡;配比優(yōu)化

0 引 言

將固體廢棄物和工業(yè)廢料作為充填料充填空區(qū)的充填法采礦,能實現(xiàn)貧礦及難采資源的安全、環(huán)保開發(fā)和固體廢棄物資源化綜合利用,是礦山企業(yè)可持續(xù)發(fā)展的必由之路[1-4]。近年來,利用粉煤灰、水淬渣等工業(yè)廢料研發(fā)充填膠凝材料,已經(jīng)成功在礦山獲得工業(yè)化應用[5-7]。金川鎳礦是我國乃至世界上不多見的大型硫化銅鎳礦床,礦床所固有的埋藏深、礦巖破碎和礦區(qū)地應力高等特點,是國內外難采礦床之一[8-9]。通過大量的采礦技術攻關和工程實踐,選擇了采礦成本最高和生產(chǎn)能力最低的下向分層進路充填采礦法,自建礦以來,金川鎳礦一直致力于提高充填生產(chǎn)能力和降低采礦成本的采礦技術研究[10]。結合金川礦區(qū)所在位置,開展了利用酒泉鋼鐵集團低活性水淬渣,開發(fā)出滿足金川礦山所要求的早強型充填膠凝材料。

針對酒鋼低活性酸性渣,開展低活性酸性渣激發(fā)劑配方的正交試驗,利用BP(back propagation)人工神經(jīng)網(wǎng)絡所具有自學習、自組織和強大

的容錯性能,對試驗樣本進行學習[11-13],建立激發(fā)劑配方與膠凝材料性能的隱含知識模型,并進行不同配比條件下的膠結充填體強度預測,獲得膠凝材料力學特性與激發(fā)劑配比的變化關系,從而為低活性酸性渣激發(fā)劑配比優(yōu)化決策奠定了基礎[13-16]。

1 試驗材料物化特性

1.1 酒鋼水淬渣

酒鋼水淬渣是金川礦山附近酒泉鋼鐵集團冶煉鋼鐵所產(chǎn)生的高爐礦渣,水淬渣的主要化學成分見表1所列。根據(jù)渣粉的化學成分,計算得其堿性系數(shù)為0.935、質量系數(shù)為1.41、活性系數(shù)為1.01。由此可見,酒鋼水淬渣屬于活性低的酸性礦渣粉[17]。

實驗渣粉是對水淬渣經(jīng)過粉磨1.5 h的細渣粉,粒徑分布為:d10=3.65 μm,d50=7.26 μm,d90=29.99 μm,d平均=12.26 μm,比表面積為577.2 m2/kg,是超細礦渣粉。渣粉的粒度越小(比表面積越大),其活性越高,對于膠凝材料早期強度提高越大。

表1 各種渣料的化學成分 %

1.2 沖積河砂集料

金川是以沖積河砂作為充填骨料,對沖積河砂進行現(xiàn)場取樣,烘干。測得沖積河砂的比重為2.66 t/m3,容重為1.59 t/m3,孔隙率為40.11%。沖積河砂的主要化學成分見表1所列,沖積河砂粒徑分布見表2所列。

表2 沖積河砂粒徑分布

1.3 激發(fā)劑材料

激發(fā)劑材料的選取首先利用金川集團生產(chǎn)過程中產(chǎn)生的廢棄物,從而有效降低充填膠凝材料成本,提高金川集團廢棄物資源的綜合利用。

(1) 石灰是金川集團鐵廠生產(chǎn)的高鈣石灰,相對密度為2.26 g/cm3,平均粒徑為20.82 μm,比表面積為280 m2/kg。該石灰的CaO質量分數(shù)為85.86%,MgO質量分數(shù)為11.92%,兩者合計達到96.78%,高鈣石灰為優(yōu)等品。

(2) 粉煤灰是火山灰活性材料,具有潛在活性,對充填體的后期強度能發(fā)揮一定的作用。粉煤灰呈大多球狀顆粒,有利于提高料泵的流動性。試驗用的粉煤灰是金川熱電廠在發(fā)電過程中排放的廢棄物,相對密度為2.2 g/cm3,容重為0.6～0.8 g/cm3,孔隙率為59.72%,主要化學成分見表1所列。

(3) 脫硫灰渣對礦渣的潛在活性具有激發(fā)作用,加入適量的脫硫灰渣有助于提高礦渣的早期活性[18-19]，是金川熱電發(fā)電廠干法脫硫的副產(chǎn)品,其主要化學成分見表1所列。

2 低活性水淬渣激發(fā)劑配方正交試驗

2.1 試驗方法

將膠結材料(以生石灰、脫硫灰渣、粉煤灰和芒硝等為復合激發(fā)劑,主要材料為酒鋼渣粉)、水、骨料按設計的質量比混合,使用JJ-5型行星式水泥膠砂攪拌機設置60 s慢速+30 s快速連續(xù)攪拌2次。制成砂漿后將其均勻倒入70.7 mm×70.7 mm×70.7 mm標準三聯(lián)試模中,在振實臺上將試塊振搗密實成型。將三聯(lián)試模編號后放入YH-40B型標準恒溫恒濕養(yǎng)護箱中以養(yǎng)護溫度為(20±1) ℃、濕度不低于90%的條件下進行養(yǎng)護。經(jīng)養(yǎng)護48 h后進行脫模,將脫模后的試塊繼續(xù)放置在養(yǎng)護箱內以同等養(yǎng)護條件下養(yǎng)護直到養(yǎng)護齡期(3、7 d)。

采用SANS數(shù)顯固定位移壓機以0.5 mm/s勻速對試塊施加荷載,測定試塊單軸抗壓強度。每齡期測試3塊,取其平均值,作為該齡期充填體的單軸抗壓強度值。

2.2 試驗結果與分析

以沖積河砂為骨料,采用料漿質量分數(shù)為80%,膠砂比(膠凝材料與沖積河砂的質量比)為1∶4。選取生石灰、脫硫灰渣、粉煤灰和芒硝的質量分數(shù)為試驗因素,各因素設置3個水平,酒鋼渣粉的質量分數(shù)由以上4個因素決定,亞硫酸鈉具有早強效果,提高早期強度添加2%。試驗為四因素三水平的正交試驗,試驗方案及3、7 d強度見表3所列。

表3 酒鋼渣粉配比正交試驗方案及結果

由表3可知，利用酒鋼渣粉開發(fā)的膠凝材料膠結充填體強度,一般只能達到相同濃度水泥膠結充填體強度的70%左右,3 d最高強度為1.32 MPa、7 d僅為2.20 MPa,不能滿足金川下向分層水平進路膠結充填采礦法對于膠結充填體早期強度的要求(3 d強度>1.5 MPa,7 d強度>2.5 MPa),需要進一步開展膠凝材料配比優(yōu)化研究。

3 BP神經(jīng)網(wǎng)絡模型的建立與預測

3.1 BP神經(jīng)網(wǎng)絡模型建立

利用上述正交試驗數(shù)據(jù)作為學習樣本,建立BP神經(jīng)網(wǎng)絡模型,對試驗樣本進行訓練,由此獲得膠凝材料配方與其強度的隱含知識,從而進行不同配方的激發(fā)劑膠凝材料特性預測。

由Kolmogorov定理可知,3層前向網(wǎng)絡可以任意精度逼近任意連續(xù)函數(shù),所以選取模型總層數(shù)為3層。以生石灰、脫硫灰渣、粉煤灰、芒硝和酒鋼渣粉為輸入因子,分別研究3、7 d的強度,以強度為輸出因子建立BP神經(jīng)網(wǎng)絡模型。隱含層神經(jīng)元數(shù)進行選擇時采用的公式如下:

(1)

(2)

l3=lbn

(3)

其中,n為輸入層節(jié)點數(shù);l為隱含層節(jié)點數(shù);m為輸出層節(jié)點數(shù);a為0～10 之間的常數(shù)[15,22]。

根據(jù)(1)～(3)式可得隱含層合理節(jié)點數(shù)為2～12。選用了區(qū)間(2,12)內的各個神經(jīng)元數(shù)目,分別建立模型,比較網(wǎng)絡收斂速度和預測誤差,當節(jié)點數(shù)為8時網(wǎng)絡性能最優(yōu)。3 d樣本和7 d樣本的訓練曲線和訓練結果如圖1所示。圖1表明,隱含層節(jié)點數(shù)為8時,預測網(wǎng)絡模型訓練步數(shù)合理,預測結果與實際強度匹配精度高,誤差相對較小,所建立的預測網(wǎng)絡模型可以很好地進行試驗預測。

圖1 BP神經(jīng)網(wǎng)絡測試樣本的訓練誤差曲線

為了使網(wǎng)絡訓練一開始就給各輸入分量以同等重要地位,加快網(wǎng)絡學習和計算收斂效率,將輸入層數(shù)據(jù)歸一化至[0,1],歸一化函數(shù)為:

同理對預測結果進行反歸一化處理,輸出強度預測數(shù)值。本文構建的BP神經(jīng)網(wǎng)絡預測模型如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡預測模型

3.2 正交試驗樣本訓練與精度檢驗

對建立的BP神經(jīng)網(wǎng)絡模型,采用A1～A7組試驗數(shù)據(jù)作為學習樣本對模型進行訓練,利用A8、A9組試驗數(shù)據(jù)作為模型精度的檢驗。BP神經(jīng)網(wǎng)絡樣本的檢驗結果見表4所列。

表4 測試樣本及預測結果

從檢驗結果來看,充填體3、7 d強度相對誤差最大為3.570%、最小為0.005%,平均為1.302%。說明預測模型的預測結果精度高,相對誤差小,完全滿足工程實際5%的容許誤差。從而證明了應用BP神經(jīng)網(wǎng)絡預測充填料強度的方法是合理有效的。

4 低活性水淬渣激發(fā)劑配比分析

利用建立的低活性酒鋼水淬渣激發(fā)劑配方的BP神經(jīng)網(wǎng)絡模型,進行不同配比的膠凝材料特性的預測和分析,由此揭示膠凝材料與激發(fā)劑配比的變化規(guī)律。在此基礎上,進行激發(fā)劑配比的優(yōu)化決策。

4.1 激發(fā)劑摻量對膠凝材料強度的影響分析

本試驗共有4個變量,考慮到數(shù)據(jù)分析單一變量分析可觀性,選取其中2個變量同時變化分析的方法。首先固定芒硝和粉煤灰摻量,通過對初始試驗數(shù)據(jù)進行DPS回歸分析,生石灰以及脫硫灰渣的增加均會對充填體3 d強度起到降低作用。芒硝摻量固定為3%,粉煤灰摻量固定為18%,生石灰和脫硫灰渣摻量的預測范圍選取在DPS最優(yōu)值偏低方向進行預測,結果見表5所列。由表5可知,在粉煤灰和芒硝摻量固定時,膠結充填體3 d強度隨著脫硫灰摻量的減少而提高；在其摻量為4%～6%時達到最大值后逐漸降低;生石灰摻量無論脫硫灰渣如何變化,最優(yōu)值基本都在3%水平,高于或者低于3%的生石灰摻量,膠結充填體3 d強度都會降低。

表5 生石灰和脫硫灰渣不同摻量條件下充填體3 d強度預測結果 MPa

通過對生石灰和脫硫灰渣摻量變化對膠結充填體3 d強度影響規(guī)律的分析,基本確定生石灰的最佳摻量為3%,脫硫灰渣的最佳摻量為4%～6%,考慮下一步對粉煤灰和芒硝摻量變化的預測分析時其他變量的固定性,故選脫硫灰渣最佳摻量的中間值5%。通過對初始實驗數(shù)據(jù)分析,粉煤灰摻量的增加會降低充填體3 d強度,粉煤灰18%摻量過高,對其分析采用與脫硫灰渣相同的選取原則,從18%摻量逐漸降低研究,芒硝由于其價格較高和具有較好的早強效果,故對其在0.5%～4%范圍內進行預測,結果見表6所列。由表6可知,在生石灰摻量為3%、脫硫灰摻量為5%時,膠結充填體3 d強度隨著芒硝摻量的增加呈現(xiàn)先提高后降低趨勢,最高強度出現(xiàn)在芒硝摻量1%處,浮動范圍為1%～2%,而粉煤灰摻量的增加也對膠結充填體3 d強度起到先增加后降低作用,最優(yōu)水平為8%,浮動范圍為4%～10%。膠結充填體3 d強度較第1步預測結果普遍提高,最高值達到了1.695 MPa,此時芒硝和粉煤灰摻量分別為1%和8%。

表6 粉煤灰和芒硝不同摻量條件下充填體3 d強度預測結果 MPa

4.2 激發(fā)劑最優(yōu)配比決策

對激發(fā)劑影響規(guī)律綜合分析,經(jīng)過3 d強度BP神經(jīng)網(wǎng)絡綜合預測分析,得到一個3 d強度最高的最優(yōu)配比見表7所列。通過實驗可得,在最優(yōu)配比下激發(fā)劑3 d強度為1.695 MPa>1.5 MPa,滿足3 d強度的要求。由3 d強度BP神經(jīng)網(wǎng)絡的預測配比再回代到7 d強度數(shù)值神經(jīng)網(wǎng)絡模型中,得到其7 d強度為2.834 MPa>2.5 MPa,也滿足7 d強度的要求。

表7 最優(yōu)預測配比

膠凝材料的強度主要是具有活性的SiO2、Al2O3發(fā)生水化反應生成C—S—H(水化硅酸鈣)及C—A—H(水化鋁酸鈣)凝膠物質。SiO2、Al2O3主要來自礦渣微粉,但是活性較低,需要激發(fā)活性才能發(fā)生水化反應。生石灰和脫硫灰渣的主要成分CaO反應生成Ca(OH)2,而Ca(OH)2能與SiO2、Al2O3發(fā)生水化反應生成C—S—H及C—A—H?；瘜W反應方程式如下:

SiO2+Ca(OH)2+H2O →CaO·SiO2·xH2O，

Al2O3+Ca(OH)2+H2O →CaO·Al2O3·xH2O，

Al2O3+Ca(OH)2+2SiO2+3 H2O →

CaO·Al2O3·2SiO2+4H2O。

Na2SO3發(fā)生水解生成NaOH,提高OH-濃度,在OH-作用下破壞Si—O和Al—O,使具有活性的SiO2、Al2O3增加,促進水化反應生成C—S—H及C—A—H。Na2SO4的作用是在Ca2+和SO42-作用下與AlO2-反應生成AFt(水化硫鋁酸鈣),還能與Ca(OH)2生成NaOH,增加體系中OH-的濃度,OH-濃度越高,礦渣釋放出活性SiO2、Al2O3越多。粉煤灰中的主要成分SiO2、Al2O3也參與水化反應生成C—S—H和C—A—H,加入粉煤灰可以提高料漿流動性,能對后期強度有所提高。

4.3 膠凝材料最優(yōu)配方試驗驗證

按照最優(yōu)配比進行充填膠凝材料室內驗證試驗,采用與之前相同的試驗方法。助磨劑有明顯提高早期強度作用[23],為更好地提高充填體早期強度,會在充填材料中加入一定量的助磨劑。驗證試驗時外加0.15%(質量分數(shù))的助磨劑，試驗結果見表8所列。在該配比下3 d強度為1.735 MPa,與預測結果的3 d強度相對誤差為2.3%；7 d強度為2.876 MPa,相對誤差為1.4%,結果表明建立的預測模型是可靠的。

表8 最優(yōu)預測配比

金川礦山32.5增強水泥價格為345元/t,而利用酒鋼水淬渣開發(fā)的充填膠凝材料僅為214元/t,因此,膠凝材料成本降低40%左右。由此可見,本研究開發(fā)的充填膠凝材料在金川礦山推廣應用,由此可以有效降低充填成本,從而獲得顯著的經(jīng)濟效益。

5 結 論

建立BP神經(jīng)網(wǎng)絡模型進行膠凝材料配比優(yōu)化是一種新的方法。驗證實驗結果證明建立的預測模型的預測結果可靠,也表明運用BP神經(jīng)網(wǎng)絡對膠凝材料的強度預測和配比優(yōu)化是可靠和有效的,可以應用BP神經(jīng)網(wǎng)絡預測為開發(fā)新型膠凝材料試驗設計提供參考和科學指導。

以正交試驗為基礎,獲取BP神經(jīng)網(wǎng)絡學習樣本,這樣既減少了試驗次數(shù)又能保證學習樣本的代表性。運用BP神經(jīng)網(wǎng)絡可以跳出正交試驗的水平限制,能在大范圍內對新型膠凝材料的強度進行BP神經(jīng)網(wǎng)絡模擬以及預測,分析出各種激發(fā)劑對于膠結充填體強度的影響規(guī)律,并獲得最優(yōu)配比。為膠凝材料配比優(yōu)化和強度預測提供一種有效實用的手段。

新型充填膠凝材料與金川水泥廠生產(chǎn)的礦山32.5增強水泥相比,其3 d和7 d的充填強度都較高,并且成本較低,性價比十分優(yōu)越,是一種非常好的水泥充填膠凝材料替代品,能夠為金川鎳礦降低充填成本和改善礦區(qū)環(huán)境提供有利的技術支持,獲得顯著的經(jīng)濟效益。

[1] 錢鳴高,繆協(xié)興,許家林.資源與環(huán)境協(xié)調(綠色)開采[J].煤炭學報,2007,32(1):1-7.

[2] 李夕兵,劉志祥,古德生.礦業(yè)固體尾廢與采空區(qū)互為資源戰(zhàn)略的思考[J].礦冶工程,2005,25(6):1-5.

[3] 古德生.地下金屬礦采礦科學技術的發(fā)展趨勢[J].黃金,2004,25(1):18-22.

[4] 陳泉源,柳歡歡.鋼鐵工業(yè)固體廢棄物資源化途徑[J].礦冶工程,2007,27(3):49-56.

[5] 楊志強,高謙,王永前,等.利用金川水淬鎳渣尾砂開發(fā)新型充填膠凝劑試驗研究[J].巖土工程學報,2014,36(8):1498-1506.

[6] 伏程紅,倪文,張旭芳,等.礦渣-粉煤灰基高性能混凝土專用膠凝材料[J].北京科技大學學報,2011,33(5):606-613.

[7] 陳友治,李國剛,畢春梅,等.利用礦渣、脫硫渣及爐渣制備膠凝材料試驗研究[J].武漢理工大學學報,2010,32(14):6-10.

[8] 岳斌,王永才.金川二礦區(qū)深部工程地質研究與巖體質量評價[J].巖石力學與工程學報,2003,22(增刊2):2615-2619.

[9] 董培鑫,楊志強,馬海志,等.金川銅鎳硫化礦床Ⅲ礦區(qū)工程地質研究[J].西北師范大學學報(自然科學版),2014,50(6):99-103.

[10] 楊志強,高謙,王永前,等.金川高應力礦床充填采礦技術研究進展與亟待解決的技術難題[J].中國工程科學,2015,17(1):42-50.

[11] 周開利,康耀紅.神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序設計[M].北京: 清華大學出版社,2005.

[12] 崔明義,孫恒虎.基于MATLAB的膠結充填材料BP神經(jīng)網(wǎng)絡質量模型[J].有色金屬,2003,55(1):121-123.

[13] 魏微,高謙.改進的BP神經(jīng)網(wǎng)絡模型預測充填體強度[J].哈爾濱工業(yè)大學學報,2013,45(6):90-95.

[14] 徐國強,蘇幼坡,韓佃利,等.基于BP神經(jīng)網(wǎng)絡的綠色混凝土抗壓強度預測模型[J].混凝土,2013(2):33-35.

[15] 張欽禮,李謝平,楊偉.基于BP網(wǎng)絡的某礦山充填料漿配比優(yōu)化[J].中南大學學報(自然科學版),2013,44(7):2867-2874.

[16] 常慶糧,周華強,秦劍云,等.膏體充填材料配比的神經(jīng)網(wǎng)絡預測研究[J].采礦與安全工程學報,2009,26(1):74-77.

[17] 姚嘉斌.酒鋼鋼渣特性及綜合利用技術[J].甘肅冶金,2011,33(4):24-27.

[18] 梁寶瑞,宋存義,汪莉,等.利用燒結脫硫灰-高爐礦渣-水泥熟料制備膠凝材料[J].北京科技大學學報,2013,35(5):659-666.

[19] 楊志強,高謙,董璐,等.基于脫硫灰渣的新型充填膠凝材料關鍵技術[J].采礦技術,2013,13(3):20-27.

[20] 欒曉風,潘志華,王冬冬.粉煤灰水泥體系中粉煤灰活性的化學激發(fā)[J].硅酸鹽通報,2010,29(4):757-761.

[21] 馮國瑞,任亞峰,張緒言,等.塔山礦充填開采的粉煤灰活性激發(fā)實驗研究[J].煤炭學報,2011,36(5):732-737.

[22] 沈花玉,王兆霞,高成耀,等.BP神經(jīng)網(wǎng)絡隱含層單元數(shù)的確定[J].天津理工大學學報,2008,24(5):13-15.

[23] 趙計輝,王棟民,王學光,等.助磨劑配方設計及其對水泥性能的影響研究[J].硅酸鹽通報,2014,33(4):724-730.

(責任編輯 閆杏麗)

Optimization of the formula of low activity slag cementitious materials using BP neural network

YUAN Guobin1, YANG Zhiqiang1,2, GAO Qian1, BA Duoheng2

(1.Key Laboratory of High Efficient Mining and Safety of Metal Mine of Ministry of Education, University of Science and Technology Beijing, Beijing 100083, China； 2.Jinchuan Group Co., Ltd., Jinchang 737100, China)

Considering the filling mining of Jinchuan nickel mine, the development of early strong cementitious material by using low activity slag of Jiuquan steel was studied. Firstly, the physicochemical characteristic of water quenching slag was analyzed, and the quicklime, desulfurization ash, fly ash and mirabilite were selected as composite activator and the orthogonal test of cementitious materials was finished. On this basis, the back propagation(BP) neural network model was established for the learning and training of the test sample, and the implied knowledge between the activator and cementitious materials properties was gotten. The characteristic of different activator formulations of cementitious materials was predicted by using the implied knowledge, and the change rules of cementitious material properties with the activator content were revealed. The optimal ratio of new filling cementitious material was as followed： the quicklime, desulfurization ash, fly ash, mirabilite, sodium sulfite and slag powder were 3%, 5%, 5%, 1%, 2% and 84%, respectively. The results of verification test showed that the compressive strength of 3 d and 7 d was 1.735 MPa and 2.876 MPa, respectively, which fully meets the strength requirements of downward filling mining with cementitious material in Jinchuan mine.

slag powder; low activity; cementitious material; back propagation(BP) neural network; ratio optimization

2015-07-15；

2015-08-27

國家高技術研究發(fā)展計劃(863計劃)資助項目(SS2012AA062405)

袁國斌(1992-),男,湖南婁底人,北京科技大學碩士生;

高 謙(1956-),男,江蘇徐州人,北京科技大學教授,博士生導師.

10.3969/j.issn.1003-5060.2016.09.008

TD853;X773

A

1003-5060(2016)09-1189-07