一种数据驱动的露天多金属矿配矿单元智能划分方法
本发明属于露天矿山智能开采、矿石质量控制、空间数据处理及组合优化,特别涉及一种数据驱动的露天多金属矿配矿单元智能划分方法。
背景技术:
1、露天多金属矿床通常具有成分复杂、多金属共伴生、品位波动强和空间非均质性显著等特点。露天矿待采爆堆是短期采矿计划和配矿计划的基本物料来源,若直接将一个待采爆堆视为品质均一的单一物料单元,则会掩盖爆堆内部不同岩性、不同金属品位及氧化程度的空间差异,导致入选矿石品质波动、选矿工艺适配性降低以及资源利用效率下降。现有露天矿配矿单元划分多依赖现场人员根据钻孔化验数据、经验边界和生产习惯进行人工圈定。该方式存在主观性强、效率低、划分标准不统一、难以同时兼顾品质均衡性与工程可操作性等问题。尤其在钼、钨、铜等多金属矿山中,不同金属品位、岩性类型、氧化率及有害杂质含量之间具有复杂耦合关系,单纯依据单一指标或者人工经验进行划分,容易形成内部品质差异较大的配矿单元,无法为精准配矿提供可靠的数据基础。也有技术采用聚类算法对钻孔或采样点进行划分,但普通聚类通常只关注特征距离,难以保证同一配矿单元在空间上连续、几何形态规整、面积满足最小开采要求,也难以保证单元边界对爆堆空间的完整覆盖。因此,亟需一种能够融合钻孔空间位置、岩性、多金属品位、氧化率等多源数据,并能够在满足岩性一致、空间连通、形态规整、面积合理和边界无重叠等工程约束条件下自动生成配矿单元的方法,以提高露天多金属矿配矿单元划分的客观性、精度和可执行性。
技术实现思路
1、为了克服上述现有技术的缺点,本发明的目的在于提供一种数据驱动的露天多金属矿配矿单元智能划分方法,以克服现有露天多金属矿配矿单元划分依赖人工经验、难以耦合多源品质数据和空间工程约束、难以形成连续无重叠作业边界的缺陷;本发明能够在保证同一配矿单元岩性一致的基础上,使配矿单元内部多种矿石品质指标的相对离散度最小化,同时保证各配矿单元空间连通、面积不小于预设最小作业面积、凸包边界不重叠,并将离散钻孔归属结果转化为可供矿山生产调度使用的连续多边形边界。
2、为了实现上述目的,本发明采用的技术方案是:
3、一种数据驱动的露天多金属矿配矿单元智能划分方法,包括如下步骤:
4、步骤1,数据获取:获取露天多金属矿待采爆堆的多源钻孔数据和爆堆边界数据;所述多源钻孔数据包括钻孔编号、钻孔平面坐标、台阶高度、岩性类型以及超过一种矿石品质指标,所述矿石品质指标包括金属品位、氧化率和有害杂质含量中的一种或多种。
5、步骤2,数据预处理得到联合特征向量:对所述多源钻孔数据进行异常值识别、缺失值空间插值和特征标准化处理,得到标准化空间特征、标准化品质特征以及由二者加权融合形成的联合特征向量。
6、步骤3,构建配矿单元划分数学优化模型:建立以钻孔编号和配矿单元数量为决策变量的数学优化模型,模型以配矿单元内部矿石品质变异最小化作为目标函数,并以配矿单元几何形态、平面尺寸、空间连通性、边界无重叠化作为约束条件。
7、步骤4,基于岩性的层级式配矿单元初步划分:按照岩性类型对钻孔样本进行一级分区,将岩性类型相同的钻孔样本划分至同一岩性分区,对于每个岩性分区,计算该岩性分区内钻孔点所构成的凸包面积,若凸包面积小于预设凸包最小面积阈值,则将该岩性分区作为一个配矿单元,否则进入下一步,将该岩性分区进行细分。
8、步骤5,基于聚类算法的初始解构造:基于所述联合特征向量,通过聚类算法,在每个需细分的岩性分区内构造初始配矿单元划分方案;根据由爆堆内所有钻孔构建的凸包总面积、由单个配矿单元内钻孔构建的凸包最小面积阈值和有效聚类比例自适应确定聚类数量,并利用dbscan连通分量检测对空间离散的聚类结果进行拆分、重编码和离散点归属调整。
9、步骤6,基于进化算法进行配矿单元划分迭代优化:采用定长整数编码表示钻孔与配矿单元之间的归属关系,对编码个体进行解码约束修正,计算包含品质均一性目标函数和约束惩罚项的适应度值,并执行选择、交叉和变异运算,以得到优化后的钻孔归属编号。
10、步骤7,配矿边界重构:将步骤6的钻孔归属结果转化为连续多边形边界,进行配矿边界重构。所述边界重构模块以全部钻孔点为生成元构建voronoi图,将无界voronoi单元有限化后与爆堆边界多边形裁剪,并按照钻孔所属配矿单元对钻孔级voronoi单元求并集,得到配矿单元级多边形边界。
11、步骤8,结果输出:输出配矿单元编号、钻孔归属关系、配矿单元边界坐标、面积、岩性类型、品质统计值和评价指标;所述配矿单元边界坐标能够用于gis系统、矿山调度系统或现场定位系统。
12、与现有技术相比,本发明的有益效果是:
13、第一,本发明将露天多金属矿配矿单元划分由人工经验圈定转化为多源钻孔数据驱动的定量划分流程,能够同时利用钻孔空间坐标、岩性类型、多金属品位、氧化率及有害杂质含量等信息,提高配矿单元划分的客观性和可重复性。
14、第二,本发明以岩性一致性作为一级硬约束,并在单一岩性分区内进行细分优化,避免跨岩性混配造成的选矿工艺波动,提高配矿单元在地质属性上的一致性。
15、第三,本发明将配矿单元划分构建为带有空间连通性、凸包面积、凸包边界无重叠和钻孔单归属等约束的组合优化问题,通过聚类初始解与进化优化协同求解,在保证工程可操作性的同时降低单元内部品质波动。
16、第四,本发明通过dbscan连通分量检测、最小面积修正和凸包重叠修正,减少聚类和进化操作产生的空间离散、面积不足或边界冲突问题,使输出单元更适合铲装、运输和现场边界管理。
17、第五,本发明利用voronoi图对钻孔级空间归属进行边界重构,能够将离散钻孔标签转换为覆盖完整、边界连续且无空间重叠的配矿单元级多边形,便于直接导入gis系统、矿山智能调度系统或现场定位系统。
18、第六,本发明输出的配矿单元包含边界坐标、面积、品质均值和品质离散度等信息,可用于短期配矿计划、矿石质量预测、设备作业区划定和电子围栏生成,从源头提升露天多金属矿精准配矿的执行精度。
1.一种数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,包括如下步骤:
2.根据权利要求1所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述预处理,是对所述多源钻孔数据进行异常值识别、缺失值空间插值和特征标准化处理,得到标准化空间特征、标准化品质特征以及由二者加权融合形成的联合特征向量。
3.根据权利要求1所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述步骤2,模型的目标函数表示为:
4.根据权利要求3所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述目标函数的约束还包括配矿单元岩性一致性约束和决策变量约束;
5.根据权利要求3所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述配矿单元的空间覆盖面积为该配矿单元内的钻孔坐标所生成的凸包的面积,计算步骤如下:
6.根据权利要求1所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述步骤4,基于联合特征向量执行k-means聚类,根据由爆堆内所有钻孔构建的凸包总面积、由单个配矿单元内钻孔构建的凸包最小面积阈值和有效聚类比例自适应确定聚类数量,并利用dbscan连通分量检测对空间离散的聚类结果进行拆分、重编码和离散点归属调整。
7.根据权利要求6所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,将所述联合特征向量进行加权后构造加权组合特征向量,之后再执行k-means聚类,所述加权是将空间坐标和品质特征按权重进行组合。
8.根据权利要求6或7所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述k-means聚类的目标函数表述为:
9.根据权利要求1所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述进化算法,采用定长整数编码表示钻孔与配矿单元之间的归属关系,对编码个体进行解码约束修正,计算包含品质均一性目标函数和约束惩罚项的适应度值,并执行选择、交叉和变异运算。
10.根据权利要求1所述数据驱动的露天多金属矿配矿单元智能划分方法,其特征在于,所述步骤6,以全部钻孔点为生成元构建voronoi图,将无界voronoi单元有限化后与爆堆边界多边形裁剪,并按照钻孔所属配矿单元对钻孔级voronoi单元求并集,得到配矿单元级多边形边界。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com