露天矿山企业长期生产计划模型与优化算法
发布时间：2021-01-26 14:49
为了降低露天矿山企业矿产品市场销售价格及地质品位波动对长期生产计划编制的影响,首先将露天矿山生产计划周期内的矿床块体价值选取、矿岩采剥生产量以及生产成本归结为生产计划优化问题,建立了露天矿山企业长期生产计划模型。该模型以长期生产计划周期内的块体净现值最大为目标,综合考虑了企业开采处理能力、块体空间开采顺序、开采深度位置、矿石品位波动、矿产资源回收率和随机规划等约束条件;其次采用改进鸽群搜索算子的粒子群优化算法求解生产计划模型,利用Beta反向学习策略对算法种群进行初始化,同时提出线性变异和非线性变异策略优化鸽群组合搜索算子,提高算法的全局收敛速度和求解精度;最后采用随机概率搜索策略和低品位矿石处理策略,分别对矿坑内部的块体开采深度位置和矿石品位小于指定值的回采率进行优化计算。以某大型金属铜矿山为案例,结果表明该算法要比标准的粒子群算法、鸽群算法结果优于96%左右,算法的求解速度提高了50%以上,且该模型与优化算法可综合权衡露天矿山企业矿产品销售价格和地质品位波动对长期生产计划编制带来的影响。
【文章来源】：工业工程与管理. 2020,25(01)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
多层块体空间模型示意图
考虑地质品位不确定性的长期生产计划模型需要满足不同开采时期的贴现流量最大，剥采比最小和边坡安全。因此，采用考虑地质风险的多层块体模型，将品位不确定性因素与长期生产计划模型综合考虑，利用开采时期的块体分布概率确定块体的开采顺序，并将概率分布因子附加至目标函数中，减少整个地质模型中矿石开采数量的平均差异；其修正后的数学表达式为：式中，S表示块体模型总数量；Cp表示随开采深度变化的成本调节系数；probnt表示第t个时期位于第n个块体的分布概率；其他变量的含义与取值与式（3）一致；其中，Cp=100-probnt,p=1，?，100,Cp<Cp-1。
为了验证金属价格波动对露天矿山企业长期生产计划模型的动态影响，通过对美联储的经济数据库中近20年的金属铜价格数据进行统计和分析，铜金属的销售价格如图4所示，然后采用拉丁超级立方体抽样方法选取金属铜的年平均销售价格为参数，并对铜价格的波动性进行比较，如表3所示。4.1.2 矿山地质品位数据
【参考文献】：
期刊论文
[1]引入改进鸽群搜索算子的粒子群优化算法[J]. 马龙,卢才武,顾清华,阮顺领. 模式识别与人工智能. 2018(10)
[2]多金属矿山工业采掘生产计划模型与优化算法[J]. 马龙,卢才武,顾清华. 工业工程与管理. 2018(03)
[3]基于莱维飞行的改进粒子群算法[J]. 李荣雨,王颖. 系统仿真学报. 2017(08)
[4]改进的粒子群算法及在数值函数优化中应用[J]. 李建平,宫耀华,卢爱平,李盼池. 重庆大学学报. 2017(05)
[5]钢铁一体化生产调度模型与优化算法[J]. 轩华,王薛苑,李冰. 工业工程与管理. 2017(01)
[6]Multi-objective pigeon-inspired optimization for brushless direct current motor parameter design[J]. QIU HuaXin,DUAN HaiBin. Science China（Technological Sciences）. 2015(11)
[7]基于差分进化算法的供水系统节能调度研究[J]. 苑清敏,刘俊,李健,贾晓峰. 工业工程与管理. 2015(02)
[8]一种融合反向学习和量子优化的粒子群算法[J]. 肖文显,刘震. 微电子学与计算机. 2013(06)
[9]求解约束优化问题的动量粒子群算法[J]. 马瑞新,刘宇,覃征,王晓. 系统仿真学报. 2010(11)
本文编号：3001300
【文章来源】：工业工程与管理. 2020,25(01)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
多层块体空间模型示意图
考虑地质品位不确定性的长期生产计划模型需要满足不同开采时期的贴现流量最大，剥采比最小和边坡安全。因此，采用考虑地质风险的多层块体模型，将品位不确定性因素与长期生产计划模型综合考虑，利用开采时期的块体分布概率确定块体的开采顺序，并将概率分布因子附加至目标函数中，减少整个地质模型中矿石开采数量的平均差异；其修正后的数学表达式为：式中，S表示块体模型总数量；Cp表示随开采深度变化的成本调节系数；probnt表示第t个时期位于第n个块体的分布概率；其他变量的含义与取值与式（3）一致；其中，Cp=100-probnt,p=1，?，100,Cp<Cp-1。
为了验证金属价格波动对露天矿山企业长期生产计划模型的动态影响，通过对美联储的经济数据库中近20年的金属铜价格数据进行统计和分析，铜金属的销售价格如图4所示，然后采用拉丁超级立方体抽样方法选取金属铜的年平均销售价格为参数，并对铜价格的波动性进行比较，如表3所示。4.1.2 矿山地质品位数据
【参考文献】：
期刊论文
[1]引入改进鸽群搜索算子的粒子群优化算法[J]. 马龙,卢才武,顾清华,阮顺领. 模式识别与人工智能. 2018(10)
[2]多金属矿山工业采掘生产计划模型与优化算法[J]. 马龙,卢才武,顾清华. 工业工程与管理. 2018(03)
[3]基于莱维飞行的改进粒子群算法[J]. 李荣雨,王颖. 系统仿真学报. 2017(08)
[4]改进的粒子群算法及在数值函数优化中应用[J]. 李建平,宫耀华,卢爱平,李盼池. 重庆大学学报. 2017(05)
[5]钢铁一体化生产调度模型与优化算法[J]. 轩华,王薛苑,李冰. 工业工程与管理. 2017(01)
[6]Multi-objective pigeon-inspired optimization for brushless direct current motor parameter design[J]. QIU HuaXin,DUAN HaiBin. Science China（Technological Sciences）. 2015(11)
[7]基于差分进化算法的供水系统节能调度研究[J]. 苑清敏,刘俊,李健,贾晓峰. 工业工程与管理. 2015(02)
[8]一种融合反向学习和量子优化的粒子群算法[J]. 肖文显,刘震. 微电子学与计算机. 2013(06)
[9]求解约束优化问题的动量粒子群算法[J]. 马瑞新,刘宇,覃征,王晓. 系统仿真学报. 2010(11)
本文编号：3001300
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3001300.html
