為了降低露天礦山企業(yè)礦產(chǎn)品市場(chǎng)銷(xiāo)售價(jià)格及地質(zhì)品位波動(dòng)對(duì)長(zhǎng)期生產(chǎn)計(jì)劃編制的影響,首先將露天礦山生產(chǎn)計(jì)劃周期內(nèi)的礦床塊體價(jià)值選取、礦巖采剝生產(chǎn)量以及生產(chǎn)成本歸結(jié)為生產(chǎn)計(jì)劃優(yōu)化問(wèn)題,建立了露天礦山企業(yè)長(zhǎng)期生產(chǎn)計(jì)劃模型。該模型以長(zhǎng)期生產(chǎn)計(jì)劃周期內(nèi)的塊體凈現(xiàn)值最大為目標(biāo),綜合考慮了企業(yè)開(kāi)采處理能力、塊體空間開(kāi)采順序、開(kāi)采深度位置、礦石品位波動(dòng)、礦產(chǎn)資源回收率和隨機(jī)規(guī)劃等約束條件;其次采用改進(jìn)鴿群搜索算子的粒子群優(yōu)化算法求解生產(chǎn)計(jì)劃模型,利用Beta反向?qū)W習(xí)策略對(duì)算法種群進(jìn)行初始化,同時(shí)提出線性變異和非線性變異策略?xún)?yōu)化鴿群組合搜索算子,提高算法的全局收斂速度和求解精度;最后采用隨機(jī)概率搜索策略和低品位礦石處理策略,分別對(duì)礦坑內(nèi)部的塊體開(kāi)采深度位置和礦石品位小于指定值的回采率進(jìn)行優(yōu)化計(jì)算。以某大型金屬銅礦山為案例,結(jié)果表明該算法要比標(biāo)準(zhǔn)的粒子群算法、鴿群算法結(jié)果優(yōu)于96%左右,算法的求解速度提高了50%以上,且該模型與優(yōu)化算法可綜合權(quán)衡露天礦山企業(yè)礦產(chǎn)品銷(xiāo)售價(jià)格和地質(zhì)品位波動(dòng)對(duì)長(zhǎng)期生產(chǎn)計(jì)劃編制帶來(lái)的影響。 

【文章來(lái)源】：工業(yè)工程與管理. 2020,25(01)北大核心CSSCI

【文章頁(yè)數(shù)】：15 頁(yè)

【部分圖文】：

多層塊體空間模型示意圖

考慮地質(zhì)品位不確定性的長(zhǎng)期生產(chǎn)計(jì)劃模型需要滿(mǎn)足不同開(kāi)采時(shí)期的貼現(xiàn)流量最大，剝采比最小和邊坡安全。因此，采用考慮地質(zhì)風(fēng)險(xiǎn)的多層塊體模型，將品位不確定性因素與長(zhǎng)期生產(chǎn)計(jì)劃模型綜合考慮，利用開(kāi)采時(shí)期的塊體分布概率確定塊體的開(kāi)采順序，并將概率分布因子附加至目標(biāo)函數(shù)中，減少整個(gè)地質(zhì)模型中礦石開(kāi)采數(shù)量的平均差異；其修正后的數(shù)學(xué)表達(dá)式為：式中，S表示塊體模型總數(shù)量；Cp表示隨開(kāi)采深度變化的成本調(diào)節(jié)系數(shù)；probnt表示第t個(gè)時(shí)期位于第n個(gè)塊體的分布概率；其他變量的含義與取值與式（3）一致；其中，Cp=100-probnt,p=1，?，100,Cp<Cp-1。

為了驗(yàn)證金屬價(jià)格波動(dòng)對(duì)露天礦山企業(yè)長(zhǎng)期生產(chǎn)計(jì)劃模型的動(dòng)態(tài)影響，通過(guò)對(duì)美聯(lián)儲(chǔ)的經(jīng)濟(jì)數(shù)據(jù)庫(kù)中近20年的金屬銅價(jià)格數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析，銅金屬的銷(xiāo)售價(jià)格如圖4所示，然后采用拉丁超級(jí)立方體抽樣方法選取金屬銅的年平均銷(xiāo)售價(jià)格為參數(shù)，并對(duì)銅價(jià)格的波動(dòng)性進(jìn)行比較，如表3所示。4.1.2 礦山地質(zhì)品位數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]引入改進(jìn)鴿群搜索算子的粒子群優(yōu)化算法[J]. 馬龍,盧才武,顧清華,阮順領(lǐng).  模式識(shí)別與人工智能. 2018(10)
[2]多金屬礦山工業(yè)采掘生產(chǎn)計(jì)劃模型與優(yōu)化算法[J]. 馬龍,盧才武,顧清華.  工業(yè)工程與管理. 2018(03)
[3]基于萊維飛行的改進(jìn)粒子群算法[J]. 李榮雨,王穎.  系統(tǒng)仿真學(xué)報(bào). 2017(08)
[4]改進(jìn)的粒子群算法及在數(shù)值函數(shù)優(yōu)化中應(yīng)用[J]. 李建平,宮耀華,盧愛(ài)平,李盼池.  重慶大學(xué)學(xué)報(bào). 2017(05)
[5]鋼鐵一體化生產(chǎn)調(diào)度模型與優(yōu)化算法[J]. 軒華,王薛苑,李冰.  工業(yè)工程與管理. 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]基于差分進(jìn)化算法的供水系統(tǒng)節(jié)能調(diào)度研究[J]. 苑清敏,劉俊,李健,賈曉峰.  工業(yè)工程與管理. 2015(02)
[8]一種融合反向?qū)W習(xí)和量子優(yōu)化的粒子群算法[J]. 肖文顯,劉震.  微電子學(xué)與計(jì)算機(jī). 2013(06)
[9]求解約束優(yōu)化問(wèn)題的動(dòng)量粒子群算法[J]. 馬瑞新,劉宇,覃征,王曉.  系統(tǒng)仿真學(xué)報(bào). 2010(11)



本文編號(hào)：3001300