组合赋权-属性区间识别模型法优选采矿方法.pdf

S e r i e s No ． 4 93 J u l y 2 01 7 金 离 霹 METAL MI NE 总 第 4 9 3 期 2 0 1 7年 第 7期 组合赋权一 属 性 区间识别模 型 法优 选采矿 方 法 刘 洋 叶义成 刘晓云 王其虎 姚 囝 1 ．武汉科技大学资源与环境工程学院， 湖北 武汉 4 3 0 0 8 1 ； 2 ．冶金 矿产资源 高效利用与造块湖北省重点 实验 室， 湖北 武汉 4 3 0 0 8 1 摘要针对采矿方法综合评价指标体系的模糊性与不确定性， 根据矿山生产实际经验与评价指标选取原则， 选取损失率、 贫化率、 生产能力、 采切比、 采矿工效、 采矿成本、 安全性、 通风条件、 工艺复杂性、 适应性、 炸药单耗、 施工 难易性、 机械化程度 、 劳动强度等 1 4项指标作为评价指标。以属性区间识别理论为基础， 建立了采矿方法综合评价的 属性区间识别模型， 采用均化系数将属性测度区间转化为综合属性测度； 然后采用乘法合成法将主客观权有机结合 得到了理想的组合权重； 最后分别根据置信度准则、 灰色接近度和评分准则进行采矿方法等级识别和比较排序分析。 将该方法应用于某矿采矿方法选择中， 应用案例计算 的各采矿方案的采矿方法综合优越度分别为 1 ． 7 6 6 3 、 2 ． 1 2 5 9 、 2 ． 5 0 6 1 、 1 ． 6 6 2 8 、 1 ． 5 0 3 0 ， 确定多层条带开采嗣后充填法为最优的开采方案实例。研究表明， 该模型简单方便、 合理 有效， 为采矿方法优选提供了一种新方法。 关键词属性 区间识别理论组合赋权采矿 方法优选均化 系数灰 色接近度 中图分类号T D 8 0 文献标志码A 文章编号1 0 0 1 - 1 2 5 0 2 0 1 7 - 0 7 0 2 5 0 6 Opt i m a l Se l e c t i o n o f M i n i ng M e t h o d b y At t r i bu t e I n t e r v a l Re c o g ni t i o n M od e l Ba s e d o n Empo we r m e n t Co mbi n at i o n The o r y L i u Y a n g Y e Y i c h e n g L i u X i a o y u n Wa n g Q i h u Y a o N a n 1 ． C o l l e g e o fR e s o u r c e a n d E n v i r o n m e n t a l E n g i n e e r i n g ， W u h a n U n i v e r s i t y ofS c i e n c e a nd T e c h n o l o g y ， W u h a n 4 3 0 0 8 1 ， C h i n a ； 2 ． H u b e i K e y L a b o r a t o r y f o r H i g h ef fi c i e n t U t i l i z a t i o n a nd A g g l o m e r a t i o n ofMe t a l l u r g i c Mi n e r a l R e s o u r c e s ， W u h a n 4 3 0 0 8 1 ， C h i n a Abs t r a c t I n v i e w o f t he f uz z i n e s s a nd u n c e r t a i n t y o f t he c o mp r e he ns i v e e v a l u a t i o n i n de x s y s t e m o f mi n i n g me t h o d， a c c o r d i n g t o mi n e a c t u a l p r o d u c t i o n e x p e rie n c e a n d s e l e c t i o n p r i n c i p l e o f e v a l u a t i o n i n d e x ， 1 4 i n d e x e s i n c l u d i n g l o s s r a t e ， d i l u t i o n r a t e， pr o d u c t i o n c a p a c i t y， s t ripp i n g r a t i o， mi n i ng e f fic i e n c y， mi ni n g c o s t ， s a f e t y， v e nt i l a t i o n c o n d i t i o n， pr o c e s s c o mpl e x i t y， a d a p t a - b i l i t y， e x p l o s i v e c o n s u mp t i o n， c o n s t r u c t i o n d i f fi c u l t y ， me c h a n i z a t i o n d e g r e e a n d l a b o r i n t e n s i t y a r e r e g a r d e d a s t h e e v a l u a t i o n i n d e x e s ． F i r s t l y， b a s e d o n a t t ri b u t e i n t e r v al r e c o g n i t i o n t h e o r y， t h e a t t ri b u t e i n t e rva l r e c o g n i t i o n mo d e l o f c o mp r e h e n s i v e e v alu a t i o n o f mi n i n g me t h o d i S e s t a b l i s h e d． t h e a t t r i b u t e me a s u r e me n t i n t e rva l i S t r a n s f o r me d i n t o c o mp r e h e n s i v e a t t r i b u t e me a s u r e me n t b y u s i n g t h e a v e r a g i n g c o e ffic i e n t ； t h e n ， t h e i d e a l c o m b i n a t i o n w e i g h t i s o b t a i n e d b y c o m b i n g w i t h t h e o b j e c t a n d s u b j e c t i v e w e i g h t s by a d o p t i ng mu l t i pl i c a t i o n s y n t h e s i s me t h od； fina l l y， gra d e r e c o g n i t i o n a nd c o mpa r a t i v e r a n ki n g a na l y s i s o f mi ni n g me t h o ds a r e c a r r i e d o u t b a s e d o n c o n f i d e n c e c ri t e r i o n， g r a y c l o s e d e gre e a n d g r a d i n g c ri t e ri a ． T h e e v a l u a t i o n me t h o d p r o p o s e d i n t h i s p a p e r i s a p p l i e d t o t h e o p t i ma l s e c t i o n o f mi n i n g me t h o d o f a mi n e ， t h e s y n t h e t i c s u p e r i o r d e gre e s o f e a c h mi n i n g me t h o d a r e 1 ． 7 6 6 3， 2 ． 1 2 5 9， 2 ． 5 0 6 1， 1 ． 6 6 2 8 a n d 1 ． 5 0 3 0 r e s p e c t i v e l y ， wh i c h f u r t h e r s h o w t h a t t h e mu l t i l a y e r s t rip s u b s e q u e n t fi l l i n g mi ni n g me t h o d i s t he o pt i mal o ne ． The a b o v e s t u d y r e s u l t s o f t hi s p a p e r f u r t h e r i nd i c a t ed t h a t t h e e v a l u a t i o n mo d e l i s f e as i b l e a n d c r e d i b l e f o r t h e o p t i mal s e l e c t i o n o f mi n i n g me t h o d ． Ke y wo r d s A t t rib u t e i n t e r v a l r e c o gn i t i o n t h e o ry ， E mp o w e r me n t c o mb i n a t i o n， Op t i ma l s e l e c t i o n o f mi n i n g me t h o d， Av e r a g i n g c o e ffic i e n t ， G r e y c l o s e d e g r e e 矿 山企业的安全生产和经济效 益与该矿 山的采 矿方法直接相关 。采矿方法 的各项 技术经济指标决 定其本身优劣 ， 且各影响指标直接的关系存在模糊性 和隐蔽性 。因此 ， 采矿方法 的选择是矿 山工程中 一 项关键而复杂的系统决策过程。 近年来 ， 国内外许多学者相继提出了如突变优选 收稿 日期2 0 1 7 - 0 4 04 基金项 目国家 自然科学基金项 目 编号 5 1 5 7 4 1 8 3 。 作者简介刘洋 1 9 9 O 一 ， 男 ， 硕士研究生 。通讯作者叶义成 1 9 6 0 一 ， 男 ， 教授 ， 博士研究生导师。 2 5 总第 4 9 3期 金 属 矿 山 2 0 1 7年 第 7期 理论 J 、 模糊数学理论 J 、 灰色理论 J 、 多 目标 决策 理论 和未确知测度理论 等一 系列现代数学优选 理论方法 ， 在采矿方法优选上取得了较好效果 。 1 9 9 7年程乾生 教授提出了一种能有效解决有 序分割 问题 的新 型 评 价方 法属 性 识 别理 论 模 型。 2 0 0 2年， 李群教授 继此构建 了属 性区间识别理论模 型 。 ， 该模型在评价指标分级为区间的评价问题上 具有较好的适用性 。该模 型已有效地应用于水资源 可持续利用评价 、 地下 水开采评价 、 溃坝后果 综合评价 、 灾害损失等级划分 等研究领域。 采矿方法选择是典型的多属性问题 ， 适合属性区 间识别模型 ， 因此 ， 研究建立基 于属性 区间识别 的采 矿方法优选模型具有较大的理论和应用价值。首先 ， 计算采矿方法各评价指标属性测度区间 ， 并引入均化 系数将其转化为综合属性测度 ； 然后 ， 将主客观权 重 采用乘法合成法计算 出评价指标理想 的组合权重向 量 ； 最后 ， 综合考虑置信度准则和灰色接近度来判断 采矿方法所属等级 ， 并按照属性识别的评分准则计算 各采矿方法的评价分数进行排序 比较 ， 从而得到最优 采矿方法。 1 采矿方 法综 合评价指标体 系 采矿方法优选的基础和关键工作是建立科学合 理的评价指标体 系 ， 其对评价结 果准确性有 直接影 响。采矿方法优选评价指标体系既要 考虑定量化 因 素 ， 也要考虑定性化 因素 ， 且各评价指标之间的相关 关系存在模糊性和隐蔽性 。 为合理 确定 采 矿 方 法 优选 评 价 指 标 ， 陈建 宏 等 并结合采矿方法选择时需考察的各类要求及矿 山生产实际经验 ， 选取损失率 、 贫化率 、 生 产能力 、 采切 比 、 采矿 工效 、 采矿成本 、 安全性 、 通风条件 、 工艺 复杂性 、 适应性 。 、 炸药单耗 、 施工难易性 。 、 机械 化程度 ， ， 、 劳动强度 共 1 4个指标作 为评价 指标集合 。各单指标及多指标综合评价的评价空间 C { C l ， C ， C ， ， 即优 、 良、 差 3级 。 2采矿 方法优选属性 区间识别模型 设 4为备选采矿方法 的全体 ， 称为对象空 间。 4 ∈A i 1 ， 2 ， ⋯， ／3 , 为备选采矿方法 ， 、 、 ⋯、 为 采矿方法 A 的 m个评价指标 ， A 的第 个评 价指标 的测量值为 1 ≤i ≤n ， 1 ≤J ． ≤m 。设 F为 中某 类属性空间 ， 评价集 D ， D ， ⋯ ， 是属性测度区间 ．26 ． 空间 F的有序分割类 ， 且满足 D D2 ⋯ D ， 表示采 矿方法 的优度依次减小。每个指标 的分类标准矩 阵 已知 ， 写成分类标准矩阵如下 D． [ a 1 2 ， b 1 2 ] [ a 2 2 ， b 2 2 】 【 口 m 2 ， 6 m 2 ] D [ a 1 ， b 1 】 [ a 2 ， b 2 ] 【 0 ， b ] 1 其中， 第 个指标在属性区间 F上的第 k个分割区间 为 [ a j k ， b j k ] ， 满足 ≤b j k 1≤k≤K， K为区间总数 ； 这里不妨假设 1 ≤ ≤ ⋯ ≤0 ， b 1≤b j 2≤ ⋯ ≤ 6 m o 2 ． 1 计算单指标属性测度区间 首先计算 具有属性 D 的属性测度区间[ 啦] [ 拈， IX ] ， 有 当 ≤ a j l 时， 取 IX 1 ， IX ⋯ 0 ； 当 ≤ l 时 ， 取 1 1 ， ⋯ 驰0 。 当 ≥ 时， 取 1 ， 1 ⋯ 一 l 0 ； 当 ≥ b j k 时 ， 取 洳1 ， 1 ⋯ 一 l 0 。 当 ≤ ≤ 时 ，取 } ， ， 批 0， f 1 ； 当 ≤ ≤ 时， 取五 ，五 。 ， ． 批。 ， z 十 。 2 ． 2 计算综合属性测度 计算得到各评价指标属性测度区间后 ， 引入均化 系数 n 叫计算各评价指标属性测度 珊o t ix 啦 1一 珊， 2 式 中， O t ∈ 0， 1 ， 为均化系数。 2 ． 3 采矿方法级别判定与比较排序 设指标权重为 1 ， 2 ， ⋯， ∞ ， O o j 10 ， 三 1 ， 在计算得到 A 所有 m个指标测量值 的属性测度后 ， 计算 属于第 k类的属性测度 m X ∈D ∑ 班 ， 1 ≤i ≤n ， 1 ≤k ≤ 3 1 采矿方法 A 类别识别及优越度排序 比较分析。 l1 1J 1 J 1 2 m 1 2 n 0 0 r L r L rL ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ， ． ． ． ． ． ． ． ， ． ． ． ． ． ． ． ． ． ． ． 。 ． ． ． 。 ． ． L 1 2_．． 刘 洋等 组合赋权一 属性区间识别模型法优选采矿方法 2 0 1 7年第 7期 按照置信度准则 ， 对置信度 A 0 ． 5 ≤A≤1， 一般取 0 ． 6～ 0 ． 7 [ 1 1 ] ， 计算 m i n { k ∑ D f ≥A ， 1 ≤ ≤ 4 若满足式 4 时的分割空 间为 ， 则 A 属 于 D 类。置信度 A是人 为选 取的， 为实现从定性的主观 判断到定量 的客观计算 ， 减 少人 为主观性 ， 引入客观 判别准则灰色接 近度 ， 即计算采矿方法 与理想模 式属性测度之间的灰色接近度 ， 采矿方法 A 类别根 据最大 的接近度判断。记第 类理想模式 的属性测 度 。 1 ， 1 ， ⋯， 1 ， Ji} 1 ， 2 ， ⋯， K， 则采矿方法 A 的 第． 个评价指标与第 类的灰色接近系数为 ， 、 一 1 r l 1 l 一 1 I ， 灰色接近度 为 1 m R ∑ ， 1 2一 ， K 5 ⋯J 1 采矿方 法 A 所 属类别 ， 根据 比较 K个 接近度 R 1 ， 2 ， ⋯ ， 与理想 模式 系统接 近程 度来 判 断 。 计算采矿方法 A 的优越度分数 q g ； ∑ 6 A 的排序根据 q 的大小进行 ， 大者为优。 3 采矿 方法优选 指标权 重 采矿方法优选 的各评价指标的重要性可能不同， 因此需要考虑各评价指标权重 。一般评价方法 中仅 单一考虑主观权重或者客观权重 ， 为减少主观赋权和 客观赋权带来的权重偏差 ， 综合考虑主、 客观权重 ， 采 用 A H P法和熵值法 2种方法对评价指标进行组合赋 权 。 3 ． 1 利用 AHP法计算主观权值 层次分析法是一种主观赋权法 ， 其利用各评价指 标之间不同的重要程度 ， 得到一个判断矩阵， 该矩 阵 由专家经验按照相应规则 比较各评价指标两两之 间 的相对重要性求出， 评价指标 的权重即该矩阵最大特 征值的特征向量各分量。特别要指出的是一定要对 判断矩阵进行一致性检验 ， 其决定 了权重向量分配是 否合理。计算步骤可分为构造判 断矩阵 、 求权重值 、 检验一致性 3步_ 1 。 利用层次分析法确定评价指标的主观权重向量 r 1 l 1 ， 2 ， 3 ， ⋯， J ． 7 3 ． 2 利用熵值法计算客观权值 熵值法是客观赋权法 ， 其根据各指标具体数据所 提供 的信息量 的大小 ， 这里即备选采矿方法各评价指 标数据所形成的矩阵， 来确定评价指标权重。信息量 的大小与熵的大小成反 比。计算步骤可分为对标准 化决策矩阵作归一化处理、 计算信息熵 、 计算输出熵 、 计算指标 的差异系数、 求解指标权重 5步 。 利用熵值法确定评价指标的客观权重向量 Vl， ， ，，⋯， 】 ． 8 3 ． 3 组合赋权 实际权重是评价者主观判断和评价指标客观信 息的综合反映 ， 前面描述的 ／ T L 个指标 常采用线性加 权组合确定实际权重 ， 所得权重会随偏好系数取值的 变化而变化。 在采矿方法优选 的过程 中， 定性、 定量影响因素 均很多 ， 并且各指标之间， 特别是部分定性指标之间 的权重相差不大 ， 而乘法合成法相对于线性加权组合 法 ， 可以有效放大各评价指标之间对于采矿方法选择 的重要程度差异 ， 提高权重之间的分辨率 ， 从而避免 权重失真。因此 ， 采用乘法合成法对采矿方法优选指 标的主 、 客观权重进行组合 ， 得到组合赋权 。组合赋 权计算公式 一 ■ 一 ∑ 竹 J 1 9 综合考虑主、 客观权重 ， 对评价指标进行组合赋 权 ， 得到组合权向量 r 1 1 0 3 l ， 2 ， 3 ， ⋯， t O 1 ． 1 0 4应用实例 某多层缓倾斜薄一 中厚矿床呈层状平行产出， 矿 体长度为 3 5 2～8 7 0 i n ， 矿体倾角 8 。 一3 0 。 ， 矿石层厚 度为 1 ． 8 3～ 5 ． 5 4 1 T I ， 倾斜延深9 2～ 2 3 6 IT I ， 矿层间距 5 ～ 1 1 i n 。矿 区工程地质条件属中等类型， 矿岩稳固性 较好 。环保政策要求地表不允许塌陷。 评价 指标 体 系见 表 1和表 2 。其 中， 安 全 性 、 通风条件 、 工艺复杂性 、 适应性 。 、 施工难易性 、 机械化程度 x ， 、 劳动强度 作为定性评价指标， 其余指标为定量评价指标。运用 分级标准化 法将每个指标分为 3级 ， 评价等 级集为 { C ， C ， C ， } 。定 量 评 价 指 标 分 级 区 间 根 据 文 献 [ 1 7 ] 划分， 定量指标分级标准见表 1 。定性指标 对应划分为 { 好 ， 较好 ， 一般 } ， 定性指标分级标准见 表 2 。设语言变量集合 L { 好， 较好， 一般 } ， 不同语 言变量对应的区间数分值见表 3 【 1 9 ] 。 2 7 总第4 9 3期 金 属 矿 山 2 0 1 7年第 7期 表 2 定性指标分级标准 Tabl e 2 Gr ad i ng s t anda r ds of qua l i tat i v e i n di c a t o r s 针对该矿床的开采技术条件 ， 初步选择的备选方 案为浅孔房柱嗣后充填法 A 、 壁式开采 嗣后充填 法 A 、 多层条带开采嗣后充填法 A 。 、 全面采矿嗣 表 3评价语言区间数分值 Ta bl e 3 I nt e r v al - numbe r ． v al ue s o f e va l u at i on l i n gui s t i c t e r m s 后充填法 A 和液压支 护削壁充填法 A ， 各采矿 方法定量评价指标值 由采矿方法设计获取 ， 定性评价 指标评价值由专家根据表 2和表 3打分。各采矿方 法综合评价指标数据见表 4 。 表 4 各采矿方法综合评价指标数据 Tabl e 4 Da t a o f c o m pr e he ns i v e e v al uat i o n i nde x o f e ac h mi ni n g me t ho d 采矿方法 指 标 5 6 7 X8 X9 X l O XII 1 2 X1 3 1 4 1 0 ． 0 9 0． 0 6 ． 0 9 ． 5 8 ． 0 9 ． 5 0 ， 6 9．5 8 ． 0 8 ． 0 5 ． 0 8 0． 0 9 ． 5 8 ． 0 9 ． 5 9 ． 5 0 ． 6 9 ． 5 6 ．0 6． 0 1 2 ． 0 7 5． 0 9 ． 5 8 ． 0 8 ． 0 9 ． 5 0 ． 6 8 ．0 9 ． 5 9 ． 5 5 ． 0 8 0． 0 6 ． 0 8 ． 0 9 ． 5 8 ． 0 0 ． 6 8 ． 0 6 ． 0 6 ． 0 5 ． 0 7 0． 0 6 ． 0 6 ． 0 9 ． 5 6 ． 0 0 ． 7 6 ． 0 6 ．0 6 ． 0 1 2 3 A1 1 8 ． 0 1 5． 0 1 5 0 ． 0 1 3 ．0 A2 5 ． 0 8． 0 4 0 ．0 1 5 ． 0 A3 8 ． 0 8． 0 2 5 0 ． 0 1 0 ．0 A4 1 2 ． 0 1 4 ． 0 8 0 ． 0 1 5 ．0 A 1 5 ．0 1 6 ． 0 6 0 ． 0 1 2 ． 0 由层 次分 析 法 计 算 各 指 标 的主 观 权 值 0 ． 1 6 8 1 ， 0 ． 1 4 5 4 ， 0 ． 1 2 4 8 ， 0 ． 1 1 2 8 ， 0 ． 1 0 1 9， 0 ． 0 92 1，0． 1 01 9，0 ． 02 8 7，0． 01 4 5，0． 0 2 8 7， 0 ． 0 2 3 6 ， 0 ． 0 2 1 3 ， 0 ． 0 2 2 1 ， 0 ． 0 1 4 1 。 由熵权法计算各指标 的客观权值 0 ． 0 3 8 9， 0． 06 0 2， 0． 0 61 8， 0． 03 3 4， 0． 1 0 7 5， 0 ． 0 3 9 1， 0． 1 0 6 2， 0． 02 9 9， 0． 0 5 9 5， 0． 02 8 8， 0．1 8 4 2， 0 ． 0 3 0 4， 0． 11 0 0， 0 ． 1 1 0 0 。 由式 1 0 确定各指标 的组合权重 0 ． 1 0 2 7 ， 0． 1 3 7 5， 0．1 21 2， 0． 05 9 2， 0．1 7 2 1， 0 ． 0 5 6 6， 0． 1 6 9 9， 0． 01 3 5， 0 ． 01 3 6， 0． 01 3 0， 0． 0 6 8 2， 0． 01 0 2， 0． 03 8 2， 0 ． 0 2 4 3 。 以表 4中采矿方法 A 为例 ， 将各评价指标数据 代人 2 ． 1 节计算方法得单指标属性测度区间。取均 化系数 O t 0 ． 5 ， 由式 2 得到各评价指标 的综合属性 测度 。 由各评价指标权 重及 式 3 得 采矿 方法属 于 c ， C 2 ， c 3的属I生测度分别为 0 ． 2 0 6 4 ， 0 ． 3 5 3 6 ， 0 ． 4 4 0 0 。按照置信度 A 0 ． 6 ， 由式 4 确定采矿方法 A 的 等级为 C 。 由各评价指标权重及式 5 计算可得 采矿方法 2 R A 与 C ， C ， C ，的灰 色 接 近 度 分 别 为 0 ． 0 4 2 5， 0 ． 0 4 6 4 ， 0 ． 0 5 0 1 ， 可知采矿方法 A 的等级为 C 。 由式 6确 定 采 矿 方 法 A。优 越 度 分 值 为 1 ． 7 6 6 3。 同理 ， 可计算 出各采矿方法属于各级别的属性测 度 、 归属等级及优越度见表 5 ， 各采矿方法 的灰色接 近度 及归属等级见表 6 。 表 5 各采矿方法计算结果 1 Ta bl e 5 Cal c ul at i o n r e s ul t s 1 o f mi ni ng m e t h od 表 6 各采矿方法的计算结果 2 Ta bl e 6 Calc ul at i o n r e s u l t s 2 o f mi ni ng me t ho d 刘 洋等 组合赋权一 属性区间识别模型法优选采矿方法 2 0 1 7年第 7期 采用置信度准则时 ， 采矿方法所属等级受式 4 中置信度 A取值 的影响 ， 由表 5可知当 A0 ． 7时， 、A 的等级会发生改变 ； 而通过灰色接近度进行等 级判定更加客观 、 准确 ， 故采用灰色接近度来判断各 采矿方法所属等级是更合理 的。由表 6知 ， 只需要 比 较采 矿方 法 A ， 的优 越 度 g ， 分 别 为 2 ． 1 2 5 9 ， 2 ． 5 0 6 1 ， 即q q 最优方案为多层条带开采嗣后充 填法 A 。 。 5 结论 1 研究建立采矿方法综合评价 的属 性区间识 别模型， 将客观判断准则灰色接近度与优越度相结合 来判断采矿方法所属等 级， 避免置信度准则 中 A取 值 的人为主观性 ， 提高 了模型可靠度 ， 工程案例证明 了其可行性 ， 扩展了属性区间识别理论的应用范畴。 2 采用乘法合成法对采矿方法优选 指标进 行 组合赋权 ， 放大各指标之间重要程度差异 ， 提高权重 之间的分辨率 ， 综合考虑主、 客观权重， 减少了只考虑 主观权重或客观权重带来的权重偏差 。 3 属性 区间识别采矿方法选择模 型， 应用案例 计算的各采矿 方案 的采矿方 法综合 优越 度分别 为 1 ． 7 6 6 3 、 2 ． 1 2 5 9、 2 ． 5 0 6 1 、 1 ． 6 6 2 8 、 1 ． 5 0 3 0 ， 确 定 多 层条带开采嗣后充填法为最优的开采方案 ， 与工程实 际基本 一致 。 参考文献 [ 1 ] 陈建宏 ， 刘浪 ， 周智 勇 ， 等． 基于 主成分分 析与 神经 网络 的采 矿方法优选[ J ] ． 中南大学学报 自然科 学版 ， 2 0 1 0 ， 4 1 5 1 9 6 7 1 9 7 2． C he n J i a n h o n g， L i u L a n g， Zh o u Z h i y o n g， e t a1． Op t i mi z a t i o n o f mi n i n g me t h o d s b a s e d o n c o mb i n a t i o n o f p r i n c i p a l c o mpo n e n t a n a ly s i s a n d n e u r a l n e t w o r k s [ J ] ． J o u r n a l o f C e n t r a l S o u t h U n i v e r s i t y S c i e n c e a n d T e c h n o l o g y ， 2 0 1 0， 4 1 5 1 9 6 7 - 1 9 7 2 ． [ 2 ] 姚囝 ， 叶义成 ， 王其虎 ， 等． 基于 统计模 糊权重 和模糊 区间评 价的采矿方法优选模 型[ J ] ． 中国矿业 ， 2 0 1 4 ， 2 3 9 1 1 2 - 1 1 7 ． Y a o N a n ， Y e Y i c h e n g ， Wa n g Q i h u ， e t a1． T h e o p t i mal s e l e c t i o n m o d e l o f mi n i n g me t h o d b a s e d o n s t a t i s t i c a l f u z z y w e i g h t s a n d f u z z y i n t e r v a l e v a l u a t i o n [ J ] ． C h i n a Min in g Ma g a z i n e ， 2 0 1 4， 2 3 9 1 1 2 1 1 7 ． [ 3 ] 白云飞 ， 叶振华． 基于突 变优选理论 的采矿 方法选 择 [ J ] ． 金属 矿山 ， 2 0 1 1 1 0 6 1 - 6 7 ． B a i Yu n f e i ， Ye Z h e n h u a ． S e l e c t i o n o f mi n i n g me t h o d b a s e d o n t h e m u t a t i o n o p t i m i z a t i o n t h e o r y [ J ] ． M e t al Mi n e ， 2 0 1 1 1 0 6 1 - 6 7 ． [ 4] 王新民 ， 赵彬 ， 张钦礼 ． 基于层次 分析和模糊 数学 的采 矿方法 选择[ J ] ． 中南大学学报 自然科学版 ， 2 0 0 8 ， 3 9 5 8 7 5 8 8 0 ． Wa n g X i n mi n ， Z h a o B i n ， Z h ang Q i n l i ． Mi n i n g m e t h o d c h o i c e b a s e d o n AH P a n d f u z z y m a t h e ma t i c s 『 J _ ． J o u r n a l o f C e n t r a l S o u t h U n i v e r - s it y S c i e n c e a n d T e c h n o l o g y ， 2 0 0 8 ， 3 9 5 8 7 5 8 8 0 ． [ 5] 胡 国宏 ， 李夕兵 ， 刘志祥． 基于层次分析 和灰色理 论的海底 采矿 方法选 择[ J ] ． 金属矿 山， 2 0 0 9 1 0 2 6 3 1 ． Hu Gu o h o n g， L i Xi b i n g， L i u Z h i x i a n g ． Un d e r - s e a mi n i n g me t h o d s e - l e c t i o n b a s e d o n a n a l y t i c h i e r a r c h y p r o c e s s and g r a y t h e o ry[ J ] ． Me t al Mi n e ， 2 0 0 9 1 0 2 6 - 3 1 ． [ 6 ] 谭玉 叶， 宋卫东 ， 李铁一 ， 等． 基 于模 糊判 断矩阵赋权 的采矿方 法多 目标决策优选 [ J ] ． 采矿与安全工程学报 ， 2 0 1 4， 3 1 4 5 5 1 - 5 5 7． T a n Y u y e ， S o n g We i d o n g ， L i T i e y i ， e t a1． Mu l t i o b j e c t i v e d e c i s i o n f o r mi n i n g m e t h o d o p t i m i z a t i o n b a s e d o n w e i g h t s a s s i g n e d b y f u z z y j u d g - me n t m a t ri x [ J ] ． J o u rnal o f Mi n i n g＆ S a f e ty E n g i n e e ri n g ， 2 0 1 4 ， 3 1 4 5 5 1 5 5 7 ． [ 7 ] 阳雨平 ， 邓星星 ， 冯岩． 基于未确知测度 与层次分析法 的采 矿 方法优选 [ J ] ． 中南大学学 报 自然科学 版 ， 2 0 1 4 ， 4 5 1 1 3 9 3 6 ． 3 9 41 ． Ya n g Yu p i n g ，De n g Xi n g x i n g，F e n g ra n ．Op t i mi z a t i o n o f mi n i n g me t h o d b