采矿方法合理选择的研究.pdf

第2 1 卷第1 期 昆明理T大学学报 V o l l N o 1 9 9 6 年2 fl J OUR NAL OF KU NM[ N G UN[ V E R S t [ Y OF S C I E NC E A ND T E CHN OL OGY F e b 1 9 9 6 f L 2 一 L ‘ 采矿方法合理选择的研究 1 口 李英龙 童光煦 。 6 昆明理工大学资源开发工程系、 昆明 6 5 0 0 9 3 北京科技大学 北京1 0 0 0 8 3 爿摘要根据采矿方法选择所涉及的“ 问题空间” 的不同．本文特采矿方g - 选择分 h可行性阶段 的采矿方法选择和矿 山生产阶段的采矿方法选择 后者叉被细分 h一般情况下 的采矿方法选择和特殊情况下的采矿方法选择． 重点研究了压用神 经网磐获取采矿方法技术经济指标的方法，以厦应用辅经网络选择特殊情况下矿 山生产阶段采矿方法 的方法 关 键词 垂 亚 互 蓝选择； 竺璺 兰 旦 中图分类号T D8 开 采矿方法选择是一个复杂的技术经济问题和典型的不良结构问题 由于不同的矿山开 发阶段，进行采矿方法选择所涉及的“ 问题空间” 不同．本文将采矿方法选择分为可行性 阶段的采矿方法选择和矿山生产阶段的采矿方法选择 矿山生产阶段的采矿方法选择又可 细分为一般情况下的采矿方法选择和特殊情况下的采矿方法选择 l可行性阶段的采矿方法选择 可行性阶段的采矿方法选择是一项对可行性研 究的所得结论具有重要影响的关键决策． 它涉及面 r ‘ ，需要基于计算机的组合设计系统 如图 1 所 示 、 及良好的成本估计系统的支持 随着计算机 的数据库 、C AD和人工智能技术 的发展．近年 来，人们开始着手研究基于计算机的采矿组合设计 系统．试图在遵循采矿设计完整性原则的前提下， 借助于计算机解决复杂的采矿设计问题及可行性阶 段 的采矿 方法选 择问题 T ． W Ca mn等人在 2 3 r d AP C OM 会议上介绍了他们在这方面所开展的工 作 2一般情况下矿 山生产阶段的采矿方法选择 2 ． 1采矿方法选择 大多数矿床在勘探时．不可能把矿床的地质特 云南省应用基础研究基金资助项 目 收稿 日期 1 9 9 4 I 2 2 o 修改 日期 1 9 9 5 1 o 2 3 图 1 组合设计系统 维普资讯 第 【期 李英 芘等。采矿 方法台理 选择 的研 究 ‘ 2 9 ’ 征及采矿技术条件都勘探得非常准确 往往是随着采掘工程的进行，不断发现矿体的地质 特征和采矿技术条件或多或少地有变化 根据变化后的情况，现场采矿工程技术人员，要 不断地修改或选用新 的采矿方法，以适应变化后 的情况 在此背景下进行 的采矿方法选 择．即为一般情况下矿山生产阶段的采矿方法选择，此时的选择是在已做的采矿工程的约 束下，和 由于矿体被揭露 的程度增加，而产生更新的矿化模型的基础上进行 的 迄今为 止．人们对采矿方法选择的研究大都囿于一般情况下矿山生产阶段的采矿方法选择范畴 我们在文献 [ 3 ]中．分析研究了现有的采矿方法选择方法的实现技术及存在的问 题．提出了一种用于一般情况下的采矿方法选择方法 可将这种方法描述为利用专家系 统进行方案初选借助于 B P网络模型，为初选的采矿方法获取采矿技术经济指标；再用 现已成熟的数据处理方法 层次分析法确定指标权重值向量，多 目标决策进行方案终选 得一综合指标向量．据此终选采矿方法 其选择过程如图 2 所示 近年来，采矿界已对采矿方法选择专家系统作过许多研究，为此本文重点研究如何应 用神经网络中的 B P网络模型，获取采矿方法的技术经济指标 2 ． 2应用 B P网络模型获取采矿方法的技术经济指标 1 B P网络模型应用方式的确定 生产实践中．应用的采矿方法种类繁多，基于回 采时的地压管理方法 将其分为四大类，每一类包含 许多组．每一组包括许多典型采矿方法 为此．应用 B P网络模型获取采矿方法的技术经济指标，可采用 的方法有两种 1 采用一个大型 B P模型， 获取现 有的采矿方法技术经济指标； 2 采用一个由许多小 型 B P模型组合的集合，获取现有的采矿方法技术经 济指标 确定 B P模型的应 用方式．是 能否有效地应 用 B P模型获取采矿方法技术经济指标的关键 采用哪一 种应用方式，在很大程度上取决于B P模型的学习 能力、问题本身的复杂程度和使用的计算机硬件环 境 B P模型把一组样本的输入输出问题变为一个非 线性优化问题，使用了最优化中最普通的一种沿梯度 下降算法，这就不可避免地遇到最常见的局部极小问 题． 若应用 B P模型求解的问题 比较复杂，局部极小 问题就尤其突出，致使问题得不到很好的解决 ． 所 以，在应用 B P模型时，所求解的问题复杂程度应当 限制在一定的范围 如果问题比较复杂，则可能导致 局部极小问题突出和 B P模型的隐层太大 隐茬记 忆 图2 采矿方法选择过程 输入模式而不是归纳输入的特性，使学习了的网络降低了处理非样本输入信息的能力 此 外 ． B P模 型 的学 习算法 收敛速 度慢 ，通常需 要数千 次或 更多 的迭 代次数 求解 的 维普资讯 3 0 昆 明 埋 工 大 学 学 报 1 9 9 6年 问题复杂，对使用的计算机硬件环境要求也会提高 在生产实践中，应用的采矿方法种类繁多；且采矿方法的工程背景复杂多变，影响技 术经济指标的因素众多，致使如何获取反映客观实际的采矿方法技术经济指标，成为一个 复杂 的问题 鉴于上述原 因，作者提出采用一个由许多小型 B P模型组成的集合，获取现有的采矿 方法技术经济指标的方法，并通过大量的上机模型研究，确定单个小型 B P模型的具体建 构对象 模拟研究分别以采矿方法类别 组别和典型采矿方法级别的成员，作为单个小型 B P模型的具体建构对象 结果表明在微机硬件环境下，适合于选取典型采矿方法级别的 成员．作为单个小型 B P模型的具体对象 2 单个小型 B P模型的建构 针对某一个典型采矿方法级别的成员，建构单个 B P模型 的步骤为 1 确定这种采矿方法的工程背景描述参数和主要技术经济指标，前者作为网络的输 入特征向量，后者作为网络的输出特征向量 2 根据经验规则．确定隐层数及隐层节点数，从而确定网络的拓扑结构 网络的输 入、输出节点数 由网络的输入特征向量和输出特征向量的分量个数来确定 3 将表征网络拓扑结构的数据和收集的该采矿方法的学习样本集，放入一个数据文 件，记为 XDA T 4 将数据文件 X． DA T ，提供给事先拓扑结构未定的 B P模型． 学习结束后的网络权 空问数值 包括网络的权值及节点阈值和表征网络拓扑结构的数据，被装入一个数据文 件，记为 x W DA T这样就完成 了建构单个 B P模型的工作． 采矿方法的工程背景描述参数有三类 开采技术条件描述参数、矿块主要结构描述参 数和回采工艺描述参数． 这些参数的具体设置，是建造 B P模型时进行的关键且比较费时 的工作． 主要技术经济指标一般为采场生产能力、采矿 工效、采矿 设备台效、损失率、 贫化率及主要材料消耗 如炸药、水泥、钎子钢、坑木等 研究中发现对于同一典型采矿方法，既使样本的开采技术条件描述参数和矿块的主 要结构描述参数比较接近，但由于其回采工艺描述参数的不同，也会导致样本的技术经济 指标相差较大 由此可见，如果采用一个大型 B P模型，获取现有采矿方法技术经 济指 标，不但会使样本集合膨胀，而且会使需要设置的工程背景描述参数也随之巨增，从而导 致局部极小问题突出和隐层太大 而采用一个 由许多小型 B P模型组合的集合，获取现有 采矿方法的技术经济指标．既可减小样本集合的规模，又可减少需要设置的工程背景描述 参数个数，从而使求解的问题复杂程度与 B P模型的学习能力相适应 限于篇幅，这里略去单个小型 B P模型的建构实例 3 应用 B P模型获取现有采矿方法技术经济指标 前面讨论了应用 B P模型获取现有采矿方法技术经济指标时，应采用的方式；描述了 针对典型采矿方法建构单个小型 B P模型的过程 由此可知，在应用 B P模型获取现有采矿 方法技术经济指标之前，必须先建立采矿历史数据库和采矿经验知识库． 前者 由以往采矿 方法实例的有关数据组成，这些数据包括工程背景描述参数及相应技术经济指标；后者由 各典型采矿方法对应的B P模型的权空间数据组成 在建立采矿历史数据库时，首先针对各典型采矿方法收集实例；然后，将其进行分析 维普资讯 第 【 期 李英龙等‘采 方法台理选择的研究 3l 及规整，规整后 的实例数据放入各典型采矿方 法对应的数据文件之中 一种典型采矿方 法，对应一个数据文件 这些数据文件组成采矿历史数据库 为便于应用．本文将典型采矿方法对应的数据文件名 X DA T进行了规范化x由英 文字母 F后面跟一个 3 位数构成，第一位为采矿方法类码，空场法为 l ，崩落法为 2 ．充 填法为 3 ．支柱法为 4 ；第二位为采矿方法组码，如空场法类中的全面 法为 l ，留矿法为 2 ，房柱法为 3 ．分段空场法为 4 ，阶段矿房法为 5 第 3位为典型采矿方法编码，如全面 法组 中．普通全面法为 l ，留矿全面法为 2 将采矿历史数据库中的数据文件 X DA T，作为训练相应典型采矿方法对应的 B P模 型的样本集，并将学习结束后的网络权空间数值 包括网络中的权值及节点阈值和表征 网络拓扑结构的数据，放入数据文件 X W D AT一个典型采矿方法对应一个这样的数据 文件 这些数据文件组成采矿经验知识库 建立了采矿经验知识库之后，即可应用 B P模 型，获取现有 的采矿方法技术经济 指标 获取技术经济指标时，需要提供以 F二方面的信息采矿方法对应的数据文件名 X DAT和采矿方法工程背景描述参数 计算机先根据数据文件名 X DA T ，借助于 DO S 系统的文件管理系统，找出这种采矿方法对应的数据文件 x W． DAT ；然后将这个文件 提供给事先拓扑结构未定的 B P网络模型 相当于通用数据获取器 ，构成相应采矿方法 的数据获取器；借助于这个数据获取器，计算机根据提供的工程背景描述参数值，即可得 到所需的技术经济指标 3特殊情况下矿山生产阶段的采矿方法选择 随着采掘工程的进行，为适应矿体的地质特征和采矿技术条件的变化．现场采矿工程 技术人员，需要对以往的采矿方法进行修改或选用新的采矿方 法 然而，对于一些矿山． 经过一段时期的生产和探索之后，矿山使用的采矿方法就基本定型 此后，矿山遇到的选 择采矿方法问题，即为基于该矿山已有的采矿方法类型，根据具体矿块的工程背景描述参 数，确定该矿块采用的采矿方法 这种基于生产矿山已有的采矿方法类型．进行的采矿方 法选择，本文称之为特殊情况下矿山生产阶段的采矿方法选择 这种情况 F的采矿方法选择问题，实质上是一个模式识别问题 由于此时可选的采矿 方法有限 可以采用作者在文献[ 5 冲 所述的神经网络分类方法选择采矿方法． 其过程为； 1 建构 B P模型 学习样本，由现场工作人员选择采矿方法所采用的准则构成．或 直接由生产矿山的现场实例 工程背景描述参数作为网络的输入，所采用的采矿方法编码 作为网络的输出构成 2 根据所提供的矿块工程背景描述参数， 练结束后的 B P模型即可选出相应 的采 矿方法 在编制矿山生产计划时．常可采用这种方法选择所涉及矿块的采矿方法 在作者研制 的，以山东某金矿为工程背景的智能矿山生产计划系统中，应用这种方法选择涉及矿块的 采矿方法 维普资讯 3 2 昆 明 理 工 大 学 学 报 9 9 6正 参 考 文 献 1 D盖尔施泰因 金属矿地下开采的计算机辅助设计 国外金属矿山． 1 9 9 0 ， I 1 8 9 --9 2 2 Ca mn T W e t a l An o b j e c t o r i e n t e d e x p e r t s y s t e m f o r u n d e r g r o u n d mi n i n g me t h o d s e l e c t i o n a n d p r o j e c t e v a l u a t i o n 2 3 r d AP COM， 1 9 9 2 9 0 9 ～9 I 6 3李英龙， 童光煦 新的采矿方法选择系统 _ 黄金， 1 9 9 3 4 4 1 4 --1 7 4曹焕光编 人工神经元网络原理 - I L 京 气象出版社、 1 9 9 2 ． 5 7 9 5李英龙， 童光煦等 崩落矿岩流动性分类的人工神经网络模型 有色金属 1 9 9 3 ， 8 3 2 0 --2 3 A Rat i ona l Se l e c t i on of M i ni n g M e t ho d s Li Yi n g l o n g De p a r t me n t o f Re s o u r c e E x p l o i t a t i o n Ku n mi n g Un i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y 、 Ku n mi n g 6 5 0 0 9 3 Ton g Gua n g x u B e i j i n g Un i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y 、 B e i j i n g 1 0 0 0 8 3 Ab s t r a c t c o n s i d e r i n g t h e di f f e r e n c e i n pr o b l e m s p a c e a s s o c i a t e d i n s e l e c t i n g a m i ni n g me t h od i n d i f f e r c n【 m i n e e x pl o i t s t a g e s t h e c l a s s i fi c a t i o ns o fm i n i n g m e t h o ds a r e d i v i d e d i nt o t w o c a s e s， wh i c h a r e t h e m i n i n g me t ho ds i n f e a s i b i l i t y s t u d y a n d me t h od s i n pr o du c t i on s t a g e A n d t h e l a t t e r a r e f u r t h e r di v i d e d i nt o t h e m i n i n g m e t h o d s u n d e r t h e g e n e r a l c o n d i t i o n a n d t h e o n e s un d e r t h e p a r t i c u l a r c o n di t i o n Be s i d e s 、 t he pa p e r s e t s u p a me t h o d t o o b t a i n t h e ma j o r t e c h n o e c o n o mi c a l i n d e x e s o f mi n i n g me t h o d s a n d a me t h o d t o s e l e c t a mi n i n g me t h o d u n d e r t h e p a r t i c u l a r c o n di t i o n i n p r o d uc t i o n s t a g e 、 bo t h u s i n g a r t i fic i a l n e ur a l n e t ． wor k m o del s Ke y wo r d s s e l e c t i on o f mi n i ng me t h o d s a r t i fic i a l ne u r a l n e t wo r k ； pr o b l e m s p a c e 维普资讯