采礦具有非常重要的地位和作用，礦業(yè)一直是我國(guó)國(guó)民經(jīng)濟(jì)中最重要的來源之一，下面是小編為大家精心推薦的2017年采礦工程論文范文，希望能夠?qū)δ兴鶐椭?/p>

　　2017年采礦工程論文范文篇一

　　采礦工程方法優(yōu)化研究

　　【摘要】采礦工程中的許多方法都是可以優(yōu)化的，比如采礦工程中的開拓系統(tǒng)和采礦方法。這些方法優(yōu)化問題，由于決策變量眾多，并且不同情況的所起的作用不同，導(dǎo)致多數(shù)問題都是復(fù)雜的非線性化問題，不僅如此變量之間的聯(lián)系有時(shí)很難用確切的數(shù)學(xué)模型或者數(shù)學(xué)表達(dá)式表達(dá)出來。因此我們考慮到可以利用計(jì)算機(jī)技術(shù)和人工智能的技術(shù)來實(shí)現(xiàn)采礦工程中方法的優(yōu)化問題，比如遺傳算法，神經(jīng)網(wǎng)絡(luò)等，本文從上述幾種技術(shù)角度，結(jié)合實(shí)際例子探討了采礦工程方法的優(yōu)化問題。

　　【關(guān)鍵詞】采礦工程;優(yōu)化;采礦方法

　　采礦工程中的許多問題的決策和方法的優(yōu)化，都是多決策變量問題。以往對(duì)這種問題的處理方式都是采用單一變量法，即采用固定其他變量使其值保持不變，通過變化某一變量來探索這一變量對(duì)目標(biāo)函數(shù)或目標(biāo)問題結(jié)果的影響，從而找出最優(yōu)解。雖然這種方式大大簡(jiǎn)化了這種多變量問題的求解方式，但是它忽略了各個(gè)變量之間的相互關(guān)系，以及他們之間的相互作用對(duì)最終結(jié)果的影響，因此所得的結(jié)果并不是真正的最優(yōu)值。為了求得真正的最優(yōu)解，需要同時(shí)改變各決策變量，探索他們?cè)谶@種情況下和目標(biāo)的關(guān)系以及的對(duì)目標(biāo)結(jié)果的影響，從而找出綜合最優(yōu)值。

　　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：通過多個(gè)神經(jīng)元之間的同時(shí)的相互作用來動(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，通過計(jì)算機(jī)來完成一個(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

　　由于采礦工程的問題很難用一個(gè)顯式來表示，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]

　　(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，那么它存活下來的可能性就大。類似的這里的適應(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，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)化問題來說明一下神經(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。[3]上部有河流流過，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)背景給開礦帶來了巨大的難度，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)選問題。

　　設(shè)礦房寬度為Bf，填充體剛度為EC，бt為上盤出現(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)著重于通過迭代算法和非線性映射來求得問題的最優(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。

　　參考文獻(xiàn)

　　[1]李云，劉霽.神經(jīng)網(wǎng)絡(luò)與主元分析在采礦工程中的應(yīng)用[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2010，30(6)：140-146.

　　[2]張磊，柴海福.淺談人工神經(jīng)網(wǎng)絡(luò)在采礦工程中的應(yīng)用[J].學(xué)術(shù)探討，2008，(6)：172.

　　[3]劉加?xùn)|，陸文，路洪斌.淺談采礦方法的優(yōu)化選擇[J].IM&P化工礦物與加工，2009，(1)：25：27.

點(diǎn)擊下頁還有更多>>>2017年采礦工程論文范文