本站小編為你精心準(zhǔn)備了管窺采礦工程的方法改進(jìn)參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

1、優(yōu)化方法

1.1遺傳算法的定義

遺傳算法是一種自適應(yīng)優(yōu)化的方法。這種方法基于生物進(jìn)化的原理，它模擬了生物進(jìn)化的步驟，將繁殖、雜交、變異、競(jìng)爭(zhēng)和選擇等概念引入到算法中。[1]通過(guò)對(duì)一組可行解的維持和重新組合，在多決策變量共同作用的條件下，改進(jìn)可行解的移動(dòng)軌跡曲線，最終使它趨向最優(yōu)解。這種方式是模擬生物適應(yīng)外界環(huán)境的遺傳變異機(jī)理，克服了傳統(tǒng)的單決策變量法容易導(dǎo)致的局部極值的缺點(diǎn)，是一種全局優(yōu)化算法。

1.2神經(jīng)網(wǎng)絡(luò)的定義

人腦思維方式的一大特點(diǎn)就是：通過(guò)多個(gè)神經(jīng)元之間的同時(shí)的相互作用來(lái)動(dòng)態(tài)完成信息的處理。人工神經(jīng)網(wǎng)絡(luò)就是模擬人腦思維的這種方式，通過(guò)計(jì)算機(jī)來(lái)完成一個(gè)非線性的動(dòng)力學(xué)系統(tǒng)，可以實(shí)現(xiàn)信息的分布式存儲(chǔ)和并行協(xié)同處理。

1.3遺傳算法與神經(jīng)網(wǎng)絡(luò)協(xié)同優(yōu)化

由于采礦工程的問(wèn)題很難用一個(gè)顯式來(lái)表示，所以我們可以利用人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力建立決策變量和目標(biāo)函數(shù)的關(guān)系，實(shí)現(xiàn)對(duì)問(wèn)題的顯式化，然后用遺傳算法對(duì)這個(gè)目標(biāo)函數(shù)的決策變量進(jìn)行搜索和尋優(yōu)，搜索到后就輸入之前已經(jīng)建模好的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)將自動(dòng)進(jìn)行學(xué)習(xí)和匹配，從而我們可以計(jì)算出目標(biāo)函數(shù)對(duì)該組決策變量的適應(yīng)性，然后根據(jù)適應(yīng)性進(jìn)行遺傳變異操作，反復(fù)多次后即可尋得最優(yōu)解。

2、優(yōu)化實(shí)例

2.1遺傳算法在礦石品位優(yōu)化中的應(yīng)用

遺傳算法是由原始數(shù)據(jù)，模擬優(yōu)勝劣汰的方式通過(guò)反復(fù)迭代獲得最優(yōu)解，在這里實(shí)質(zhì)上是隨機(jī)生成一組礦石品位，利用自適應(yīng)的技術(shù)調(diào)整品位，經(jīng)過(guò)反復(fù)迭代計(jì)算，逐步逼近最優(yōu)解。

（1）編碼：用定長(zhǎng)字符代表遺傳中的基因，在這里表示某種特定品位，編碼順序依次為邊界品位、最小工業(yè)品位、原礦品位和精礦品位。

（2）初始群體：每次迭代的初始群體由上一次迭代生成，第一次的初始群體隨機(jī)生成，每個(gè)群體包含的個(gè)體數(shù)確定。

（3）適應(yīng)度：自然界中的適應(yīng)度是生物個(gè)體對(duì)自然界的適應(yīng)程度，適應(yīng)度大，那么它存活下來(lái)的可能性就大。類(lèi)似的這里的適應(yīng)度是衡量個(gè)體優(yōu)劣的指標(biāo)，可以驅(qū)動(dòng)遺傳算法的優(yōu)化，本例中的適應(yīng)度取不同品位的礦石所能取得的凈現(xiàn)值。

（4）復(fù)制和交換：根據(jù)達(dá)爾文進(jìn)化論，適應(yīng)性強(qiáng)的個(gè)體容易生存下來(lái)，那么他們的有利性征就被保留了，同樣的不利性征就被淘汰了，適應(yīng)性強(qiáng)的個(gè)體他們的后代跟他們的相似度會(huì)比較高，在遺傳算法中可以用復(fù)制來(lái)代表這一部分；交換就是指上一代多個(gè)個(gè)體的部分基因相互置換產(chǎn)生新個(gè)體

（5）突變：遺傳算法中產(chǎn)生新個(gè)體的又一手段，通過(guò)求補(bǔ)運(yùn)算完成。

（6）終止條件：遺傳算法是迭代運(yùn)算，在迭代到符合某一要求時(shí)停止，一般都是當(dāng)群體的平均適應(yīng)度或最大適應(yīng)度變化平穩(wěn)時(shí)，迭代終止。

2.2采礦工程優(yōu)化實(shí)例

本處選擇山東萊蕪鐵礦施工時(shí)的填充材料剛度與采場(chǎng)結(jié)構(gòu)參數(shù)的優(yōu)化問(wèn)題來(lái)說(shuō)明一下神經(jīng)網(wǎng)絡(luò)和遺傳算法的具體應(yīng)用。山東萊蕪鐵礦谷家臺(tái)礦區(qū)礦體賦存于大理巖與閃長(zhǎng)巖的接觸帶中，上部為第四系和第三系所覆蓋，全部為隱伏礦體，礦脈地理結(jié)構(gòu)十分復(fù)雜。上部有河流流過(guò)，雖然河流和礦帶之間有第三系的紅板巖，但是由于局部天窗的分布，導(dǎo)致水層和第四系砂礫石層和灰?guī)r層接觸，隔水效果不好。由于灰?guī)r層的含水性，導(dǎo)致這部分成為承壓含水層。復(fù)雜的地質(zhì)背景給開(kāi)礦帶來(lái)了巨大的難度，為了實(shí)現(xiàn)不改河、不疏干、不搬遷、不塌陷、不還水的“五不”方針，最終決定的開(kāi)礦方案是采用礦體近頂板大理巖注漿補(bǔ)漏堵水措施與階段空?qǐng)鏊煤竽z結(jié)充填采礦方法相結(jié)合的綜合治水方案。制約這一方案順利實(shí)施的兩個(gè)重要因素就是充填材料剛度與采場(chǎng)結(jié)構(gòu)參數(shù)的優(yōu)選問(wèn)題。設(shè)礦房寬度為Bf，填充體剛度為EC，бt為上盤(pán)出現(xiàn)的最大拉應(yīng)力。推測(cè)得出：從安全性角度考慮，礦房寬度Bf越小，填充體剛度EC越大，則上盤(pán)出現(xiàn)的拉應(yīng)力越小，施工越可靠；從經(jīng)濟(jì)型角度考慮，礦房寬度越大，填充剛度越小越經(jīng)濟(jì)，可以看出兩者是相對(duì)的，我們要在這之間找一個(gè)最佳匹配值。使得上盤(pán)出現(xiàn)的拉應(yīng)力小于但又接近于大理巖的抗拉強(qiáng)度。先通過(guò)神經(jīng)網(wǎng)絡(luò)建立決策量Bf、EC和目標(biāo)бt的映射關(guān)系，然后用遺傳算法搜索最佳匹配，得到結(jié)果Bf=21.256m，EC=396.6MPa，бt=-1.9297MPa，最后進(jìn)行的結(jié)果的合理性驗(yàn)證，表明這個(gè)結(jié)果是令人滿(mǎn)意的。

3、結(jié)論

作為現(xiàn)階段比較先進(jìn)的計(jì)算智能和人工智能技術(shù)，遺傳算法和神經(jīng)網(wǎng)絡(luò)著重于通過(guò)迭代算法和非線性映射來(lái)求得問(wèn)題的最優(yōu)解。由于絕大多數(shù)礦場(chǎng)的復(fù)雜條件導(dǎo)致采礦工程中的許多問(wèn)題和方法的決策存在眾多的決策變量，并且多數(shù)變量和目標(biāo)量的關(guān)系都是非線性的，這些特點(diǎn)使得遺傳算法和神經(jīng)網(wǎng)絡(luò)等現(xiàn)代先進(jìn)智能技術(shù)能很好的運(yùn)用到采礦工程的優(yōu)化中去，通過(guò)文章研究和實(shí)例證明，對(duì)于采礦工程的方法優(yōu)化，遺傳算法和神經(jīng)網(wǎng)絡(luò)能起到很好的效果，隨著這些技術(shù)的進(jìn)步，他們將會(huì)為采礦工程的優(yōu)化方面提供更有力的幫助。

作者：王立忠單位：平泉隆盛礦業(yè)開(kāi)發(fā)有限公司