截止品位与入选品位的遗传-神经优化模型

金属矿山 ›› 2010, Vol. 39 ›› Issue (02): 26-29.

截止品位与入选品位的遗传-神经优化模型

刘婷，诸克军，贺勇，李玥

中国地质大学

出版日期:2010-02-15 发布日期:2010-11-09
基金资助:
国家自然科学基金项目(编号:70573101)，武钢科研课题(编号:070429)。

An Integrating GA and ANN Model for Optimizing Cut-off Grade and Grade of Crude Ore

LIU Ting, ZHU Ke-Jun, HE Yong, LI Yue

China University of Geosciences

Online:2010-02-15 Published:2010-11-09

摘要/Abstract

摘要： 合理确定截止品位与入选品位关系到企业的经济效益和资源的可续性利用，有着重要的理论意义与现实意义。采用遗传算法与神经网络嵌套的动态优化模型，以武钢集团大冶铁矿为例，对其截止品位和入选品位进行动态优化。结果表明，当前大冶铁矿截止品位18%，入选品位41%~42%的生产方案有待改进，当截止品位为15.8%，入选品位取值为43.776%~44.139%，2007年1月—2007年11月的总净现值增加901~944万元。

关键词: 截止品位, 入选品位, 遗传算法, 神经网络

Abstract: The cut-off grade and grade of crude ore are decision-making variables which are directly related to the economic efficiency of enterprises and the utilization of renewable resources.Determining these two variables has a very important theoretical meaning and obvious practical significance.Taking Daye Iron Mine as an example, the dynamic optimized model of the GA and ANN was adopted to optimize the cut-off grade and grade of crude ore.The result showed that during the period of January to November in 2007, when the optimal cut-off grade was changed from 18% to 15.8%, and optimal grade of crude ore was from 41%~42% to 43.776%~44.139%, the net present value was improved by 9.01~9.44 million Yuan.

Key words: Cut-off grade, Grade of crude ore, Genetic algorithm, Neural networks

刘婷, 诸克军, 贺勇, 李玥. 截止品位与入选品位的遗传-神经优化模型[J]. 金属矿山, 2010, 39(02): 26-29.

LIU Ting, ZHU Ke-Jun, HE Yong, LI Yue. An Integrating GA and ANN Model for Optimizing Cut-off Grade and Grade of Crude Ore[J]. Metal Mine, 2010, 39(02): 26-29.

[1]	庞俊勇, 刘　俊, 郑靓婧, 李瑶鹤, 苏红艳. 基于GA-PSO 混合优化SVR 的边坡危岩体稳定性评价模型[J]. 金属矿山, 2024, 53(9): 237-.
[2]	郑伦川, 梁新元, 袁乖宁. 基于集成神经网络和改进极限学习机的矿井移动机器人故障检测[J]. 金属矿山, 2024, 53(6): 159-.
[3]	陈延康, 郭广礼, 孟　浩, 张连贵, 郑　辉, 李怀展, 张浩宇. 陕蒙矿区深部开采导水裂隙带发育特征与高度预测方法[J]. 金属矿山, 2024, 53(4): 186-.
[4]	徐志华, 杨　旭, 孙钱程, 何钰铭, 张国栋, 叶义成. 基于多变量自优化动态神经网络的“ 阶跃型” 滑坡变形预测[J]. 金属矿山, 2024, 53(3): 74-.
[5]	姜　燕, 连　晗, 席东河. 地表沉陷预测的改进BP 神经网络模型[J]. 金属矿山, 2024, 53(2): 205-.
[6]	聂雅琳, 王海军, 石念峰, 刘保罗. 融合深度卷积神经网络和Swin Transformer 的露天矿遥感图像超分辨率重建[J]. 金属矿山, 2024, 53(12): 240-.
[7]	苗作华, 陈澳光朱良建赵成诚刘代文. 基于自适应CKF的改进LANDMARC井下定位算法研究[J]. 金属矿山, 2024, 53(01): 158-164.
[8]	聂秀珍, 焦迎雪, 张霞. 融合优化遗传算法和变步长蚁群算法的矿山巡检机器人路径规划[J]. 金属矿山, 2023, 52(07): 248-253.
[9]	江松, 孔若男, 李鹏程, 卢才武, 章赛, 李萌. 融合 Swin Transformer 与 CNN 的露天矿车前障碍物智能检测算法[J]. 金属矿山, 2023, 52(05): 228-236.
[10]	李如仁孙加瑶. 融合 SBAS-InSAR 与 GS-LSTM 的尾矿库沉降监测与预测[J]. 金属矿山, 2023, 52(01): 102-109.
[11]	杨梅, 陈勇, 周皓, 梁雅琪, 杨金凤, 黄锦. 矿区农地重金属污染风险农户认知状况———基于 FCM 法的案例研究[J]. 金属矿山, 2022, 51(11): 222-228.
[12]	郑海青, 赵越磊, 宗广昌, 孙晓云, 靳强. 融合自注意力机制的 Conv-LSTM 边坡位移预测方法[J]. 金属矿山, 2022, 51(11): 193-197.
[13]	秦学斌, 李明桥, 申昱瞳, 杨培娇, 胡佳琛, 刘浪. 基于ECT技术的充填管道内固液两相流仿真方法研究[J]. 金属矿山, 2022, 51(09): 31-36.
[14]	吴满毅, 徐良骥, 张坤. 基于 SSA-BP 神经网络的概率积分法预计参数求取研究[J]. 金属矿山, 2022, 51(08): 182-189.
[15]	张劲满, 阎跃观, 李杰卫, 徐瑞瑞, 王芷馨, 张坤, 岳彩亚. 概率积分预计参数的ENN优化算法[J]. 金属矿山, 2022, 51(05): 170-176.

扫码分享