《礦產資源採選管理智慧型最佳化的理論與實踐研究》是由中國地質大學（武漢）擔任主要完成單位，諸克軍,郭海湘,刁鳳琴,熊英,胡承凡,賀勇,於世為,郭金陵,李志,杜春麗擔任主要完成人的一項科技項目。
基本介紹
- 中文名：礦產資源採選管理智慧型最佳化的理論與實踐研究
- 主要完成單位：中國地質大學（武漢）
- 主要完成人：諸克軍,郭海湘,刁鳳琴,熊英,胡承凡,賀勇,於世為,郭金陵,李志,杜春麗
- 等級：二等
- 獲獎序號：20110044
- 獲獎證書編號：國土資源科學技術獎
- 獎種：國土資源科學技術獎
項目摘要
礦產資源採選系統工程是一個將數據轉化成信息，將信息轉化成認識的動態過程。多年來一直困擾資源型企業管理的主要問題包括：①如何確定放礦截止品位和入選品位，使得整個采、選過程的收益最大？②在現有技術經濟條件下如何確定合理的資源回收率延長礦山使用年限；③ 如何動態控制採選過程實現最佳組合品位和資源回收率？ 本項成果是國家自然科學基金項目：“石油勘探信息管理中軟計算集成的理論與方法研究70573101”、湖北省自然科學基金項目：“不確定性預測理論在鄂石油勘探開發中的套用研究No.99j007”和武漢鋼鐵集團委託的項目：“多金屬礦截止品位最佳化與生產動態管理研究No.070429”的綜合研究成果。比較完整、科學地解決了礦山採選管理和石油勘探信息管理中的若干最佳化問題。成果的基礎研究是在國家自然科學基金資助下完成的，套用研究得到了資源型企業的資助。 成果的主要內容是： （1）按照經濟學基本原理 "邊際成本等於邊際收入時邊際利潤最高"建立採選系統最佳化模型。 （2）將隨機系統仿真、遺傳算法、神經網路和模糊理論等集成為綜合智慧型系統，實現了最佳化模型的求解，獲得開採效益最大時的截止品位與入選品位值，該組合品位可以隨價格變化、工藝水平提高及國家對回採率要求等因素動態調整。 （3）建立了特徵選擇的機器學習方法。成果結合GA與FCM聚類算法，對地震屬性進行優選，用來進行油井的油氣性預測。一般來說有兩種模式：過濾（Filter）模式與封裝(Wrapper)模式。學習表明封裝模式一般由於過濾模式。在數據規模不大，且分類器已經固定的情況下選用這種方式較好。能夠獲得最佳的屬性組合及全識別率。 （4）採用兩個不同結構不同功能的神經網路（BP網路和SOM網路）的“二次濾波”實現從測井數據到油層的識別。前者實現計算功能，而後者實現模式識別功能。（5）將遺傳算法(genetic algorithms， GA)、模擬退火( simulated annealing， SA )與誤差反傳算法(back propagation， BP)三種算法有機地融合在一起，以GA為主體結構，融合SA與BP算法，實現優勢互補。(6) 提出了一種基於離散PSO的自適應RBF模型。該模型融合兩個二制編碼粒子群，克服了網路隱節個數點選擇難問題，彌補了最近鄰聚類法中半徑選擇難、中心向量對樣本輸入次序依賴性強的不足。(7)提出一種基於混合粒子群MPSO-RBF算法。(8) 提出了人工神經網路（ANN）和遺傳算法（GA）串聯（ANN-GA-Cascades）的模糊規則提取算法。 成果的理論部分被國家自然科學基金委管理科學部評估為“特優”。圍繞該成果發表論文及著作141篇，其中SCI收錄15篇，SSCI 收錄4篇，EI收錄50篇，國家基金委管理科學部指定重要論文22篇，專著5部。該智慧型最佳化系統自2008年開始套用於武漢鋼鐵公司大冶鐵礦，武漢鋼鐵公司程潮鐵礦，山東魯能集團公司，鄭煤集團超化礦等企業，已經獲得經濟效益9756萬元。套用表明：該成果既能作為資源型企業勘探或採選管理的理論與方法，也能為政府主管部門規劃礦產資源的開發利用提供依據。
