一種礦山成本主控因素決策的方法
【技術領域】
[0001] 本發(fā)明屬于礦山成本管理技術領域，特別涉及一種礦山成本主控因素決策的方 法。
【背景技術】
[0002] 生產成本的高低是影響開采技術條件復雜的低品位貧礦正常生產的重要因素，礦 山生產成本的管理一直以來都是礦山經營管理的重點。
[0003] 現(xiàn)有技術中礦山經營管理決策方法往往忽略了基于礦體賦存條件不確定性的產 量變動對生產成本變化的影響，缺乏對礦山未來生產時期內生產成本及其影響因素變化的 合理預測，尚不能客觀地呈現(xiàn)礦山成本主控因素決策的基礎數(shù)據(jù)應具有的不確定性特征， 僅根據(jù)現(xiàn)有已知確定的成本歷史統(tǒng)計數(shù)據(jù)（普通時間序列）進行礦山未來生產時期內生產 成本的主控因素決策分析，即基于歷史統(tǒng)計數(shù)據(jù)的決策分析結果的滯后異時應用，不能客 觀地反映實際情況，容易導致決策失效。

【發(fā)明內容】

[0004] 本發(fā)明提供一種礦山成本主控因素決策的方法，該礦山成本主控因素決策的方法 解決了或部分解決了上述技術問題。
[0005] 為解決上述技術問題，本發(fā)明提供了一種礦山成本主控因素決策的方法，其特征 在于，所述方法包括：
[0006] 建立參考時間序列為礦山成本模糊時間序列戈"建立比較時間序列為礦山成本 若干個影響因素的模糊時間序列根據(jù)所述文 〇與所述足獲得信息差異模糊時間序列 成分),以反映所述毛與所述足.在每一時刻的差異程度；根據(jù)所述戒,.⑷構建模糊時間 序列的比較范圍[」戶（/?ζ·4』戶，以通過所述」戶(wax).反映所述毛與所述足的最大 差異，通過所述/1戶（mb).反映所述足 )與所述足的最小差異；基于三角模糊數(shù)的計算法則， 構建灰色關聯(lián)度？的算法，以反映所述與所述&的之間的關聯(lián)度；根據(jù)所述 匕(元，尤)的分布特征，基于均值大且偏差小的排序原貝IJ，采用Lee-Li方法建立所述毛 與所述！,的關聯(lián)程度決策模型。
[0007] 可選的，所述建立參考時間序列為礦山成本模糊時間序列包括：
[0008] 文0={^0(女)} = |尤0(灸),4(女),1冰))};灸=人2,...,?;其中，所述^〇(女)是所述戈 〇在 第k時點的預測值，為三角模糊數(shù)(?-⑷，4⑷，Xi:⑷)；所述A㈨是所述毛在第k時點預 測值的最小值；所述4(a)是所述元在第k時點預測值的最可能值，所述 <仏)是所述毛在 第k時點預測值的最大值；所述η是大于等于2的整數(shù)。
[0009] 可選的，所述.ν" (&) = </(A)C',,卜），所述a為礦山產量減少系數(shù)，變化范圍為 [-20 %，0]，所述Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CtlGO是礦 山單位生產成本在第k時點的預測值；和/或，所述4 (A) = (岣C',, (A:)，所述Q。(k)是礦 山在第k時點的生產產量預測值的最可能值，所述Q1GO是礦山單位生產成本在第k時點 的預測值；和/或，所述4 = ，所述b為礦山產量增加系數(shù)，變化范圍為
[0,+20 % ]，所述Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CtlGO是礦 山單位生產成本在第k時點的預測值。
[0010] 可選的，所述建立比較時間序列為礦山成本若干個影響因素的模糊時間序列兄包 括：兄=沄⑷} = {(X,.(人如作1 (A:))} ; A：=/,2,...,?; 其中，所述⑷是所 述兄在第k時點的預測值，為三角模糊數(shù)(X「⑷，彳⑷,蛘⑷所述'⑷是所述足在第k 時點預測值的最小值；所述是所述足在第k時點預測值的最可能值；所述是所 述足在第k時點預測值的最大值；所述η是大于等于2的整數(shù)；所述m是大于等于2的整 數(shù)。
[0011] 可選的，所述丨卜)=^?'1卜;K',.0)，所述a為礦山產量減少系數(shù)，變化范圍為
[-20 %，0]，所述Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CiGO是礦 山單位生產成本的第i個影響因素在第k時點的預測值；和/或，所述4 (幻=? k)， 所述Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CiGO是礦山單位生產成 本的第i個影響因素在第k時點的預測值；和/或，所述λ·, 1⑷=/以1⑷Γ,. (A:)，所述b為礦 山產量增加系數(shù)，變化范圍為[0,+20%]，所述Q°(k)是礦山在第k時點的生產產量預測值 的最可能值，所述CiGO是礦山單位生產成本的第i個影響因素在第k時點的預測值。
[0012] 可選的，所述根據(jù)所述足與所述足獲得信息差異模糊時間序列?々)包括： 成制={傘,補=k-㈨)};其中，所述邱⑷是所述砣,W的預測值，為 三角模糊數(shù)⑷，4⑷'⑷j;所述K⑷是所述⑷在第k時點的最小值；所述 KW是所述成,.W在第k時點的最可能值;所述MW是所述成,⑷在第k時點的最大 值。
[0013] 可選的，
[0014] 所述 /，,"⑷=Λ-" ⑷-Λ-,1 ⑷；
[0015] 所述/?) = Λ-,?⑷-Λ-f ⑷；
[0016] 所述，々⑷=λ、; (/:) - λ:⑷；
[0017] 其中，J'々)=4⑷=λ、;(認.V,.⑷=.χ-,Η⑷=< 即所述模糊時間序列^,.(M成為普通時間序列。
[0018] 可選的，所述根據(jù)所述戒#)構建模糊時間序列的比較范圍 」P (/?/·/?), ZlP (/??/χ)]包括：
[0019] ，
【主權項】
1. 一種礦山成本主控因素決策的方法，其特征在于，所述方法包括： 建立參考時間序列為礦山成本模糊時間序列兄J; 建立比較時間序列為礦山成本若干個影響因素的模糊時間序列足； 根據(jù)所述與所述獲得信息差異模糊時間序列#",分)，以反映所述！與所述X, 在每一時刻的差異程度； 根據(jù)所述4#).構建模糊時間序列的比較范圍k戶以通過所述 Zl戶(max).反映所述毛與所述足的最大差異,通過所述Zl戶反映所述XfJ與所述Xi的 最小差異； 基于三角模糊數(shù)的計算法則，構建灰色關聯(lián)度兄I的算法，以反映所述Xfi與所 述足的之間的關聯(lián)度； 根據(jù)所述足，無)的分布特征，基于均值大且偏差小的排序原則，采用Lee-Li方法 建立所述！^與所述足的關聯(lián)程度決策模型。
2. 如權利要求1所述的方法，其特征在于，所述建立參考時間序列為礦山成本模糊時 間序列足包括： 元=R⑷}={fc⑷，4 W -以人))};灸=人之; 其中，所述元W是所述尤在第k時點的預測值，為三角模糊數(shù)(?-⑷乂⑷，xfl+⑷)； 所述是所述Ifl在第k時點預測值的最小值；所述是所述在第k時點預測值 的最可能值；所述< W是所述在第k時點預測值的最大值；所述η是大于等于2的整 數(shù)。
3. 如權利要求2所述的方法，其特征在于： 所述= 卜)(:'"卜），所述a為礦山產量減少系數(shù)，變化范圍為[_20%，0]，所述 Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CtlGO是礦山單位生產成本在 第k時點的預測值； 和/或， 所述.V:;以）=以(岣(::,(々），所述C (岣是礦山在第k時點的生產產量預測值的最可能 值，所述Q1GO是礦山單位生產成本在第k時點的預測值； 和/或， 所述％= ，所述b為礦山產量增加系數(shù)，變化范圍為[0,+20%]，所述 Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CtlGO是礦山單位生產成本在 第k時點的預測值。
4. 如權利要求3所述的方法，其特征在于，所述建立比較時間序列為礦山成本若干個 影響因素的模糊時間序列足包括： Ai, - (ν,(^)} = {(λ-,. (^))} ; k=l，2"."n.，i=l，2，.."m.， 其中,所述無分）是所述足在第k時點的預測值，為三角模糊數(shù)(<(作彳(印；所 述A⑷是所述足在第k時點預測值的最小值；所述xf⑷是所述足在第k時點預測值的 最可能值；所述X,+(蛛是所述足在第k時點預測值的最大值；所述η是大于等于2的整數(shù)； 所述m是大于等于2的整數(shù)。
5. 如權利要求4所述的方法，其特征在于， 所述A = ，所述a為礦山產量減少系數(shù)，變化范圍為[_20%，0]，所述 Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CiGO是礦山單位生產成本的 第i個影響因素在第k時點的預測值； 和/或， 所述彳0) = (?"0)<：'/0)，所述(/|(1〇是礦山在第1^時點的生產產量預測值的最可能 值，所述Ci (k)是礦山單位生產成本的第i個影響因素在第k時點的預測值； 和/或， 所述.V;(岣= /，(_/(A)Ci (A),所述b為礦山產量增加系數(shù)，變化范圍為[0,+20% ]，所述 Q°(k)是礦山在第k時點的生產產量預測值的最可能值，所述CiGO是礦山單位生產成本的 第i個影響因素在第k時點的預測值。
6. 如權利要求5所述的方法，其特征在于，所述根據(jù)所述與所述戈,獲得信息差異模 糊時間序列&,分)包括： APlli (k) = {φηι (^)} = {k), pi [k), p]n (^))| ； 其中，所述/1?,⑷是所述⑷的預測值，為三角模糊數(shù)(Α(々)，Κ·⑷'⑷)；所述 是所述.(M在第k時點的最小值；所述;是所述^在第k時點的最可能 值；所述;4㈨是所述㈨在第k時點的最大值。
7. 如權利要求6所述的方法，其特征在于， 所述 (/? )= (/?：)_ < ⑷； 所述/OX⑷-〇); 所述'⑷= ⑷； 其中，若⑷=4⑷=⑷,.V,. (λ如Λ-;;⑷=右^ 所述模糊時間序列(M.成為普通時間序列。
8. 如權利要求7所述的方法，其特征在于，所述根據(jù)所述Δ4⑷構建模糊時間序列的比
O
9. 如權利要求8所述的方法，其特征在于，
其中，所述義,(足，尤I是為三角模糊數(shù)(K，/K);所述4⑷.是所述元和所述足 在第k時點的關聯(lián)系數(shù)，為三角模糊數(shù)所述P為加權環(huán)境參數(shù)； 所述&是所述和所述$的關聯(lián)度預測值的最小值，所述4 所述^是所 述和所述f的關聯(lián)度預測值的最可能值，所述沁認)；所述^是所述和 所述i的關聯(lián)度預測值的最大值，所述義=||^($所述^(^是所述1和所述2 在第k時點關聯(lián)系數(shù)預測值的最小值，所述，
所述S⑷是所述毛和所述尤在第k時點關聯(lián)系數(shù)預測值的最可能值，所述
.所述4:⑷是所述足和所述足在第k時點關 5 1 …: I ? ιΛ\ I" 1 (ι, \\ 聯(lián)系數(shù)預測值的最大值，所述A
10.如權利要求9所述的方法，其特征在于，所述建立X~。與X~關聯(lián)程度決策 模型包括： +(1-^)(1-σ0;)； 其中，所述I(L).是所述足和所述兄的關聯(lián)程度；所述μ Μ是所述足和所述無的關 聯(lián)度的均值，所述/? = & + ^ + < ;所述。Oi是所述和所述^的關聯(lián)度 f〇i(x〇7 f j的方差，所述％,2 = fft2 + A +以2;所述α是調節(jié)系數(shù)， 以反映關聯(lián)度Jfw)的均值和方差的作用大小。
【專利摘要】本發(fā)明公開了一種礦山成本主控因素決策的方法，包括：建立參考時間序列為礦山成本模糊時間序列建立比較時間序列為礦山成本若干個影響因素的模糊時間序列根據(jù)與獲得信息差異模糊時間序列根據(jù)構建模糊時間序列的比較范圍通過反映所述與的最小差異，通過反映所述與所述的最大差異；基于三角模糊數(shù)的計算法則，構建灰色關聯(lián)度的算法；根據(jù)的分布特征，建立與的關聯(lián)程度決策模型。本發(fā)明具有有效性高、適用性廣的特點。
【IPC分類】G06Q10-04, G06Q50-02
【公開號】CN104636827
【申請?zhí)枴緾N201510050623
【發(fā)明人】柯麗華, 劉雨, 葉義成, 黃曉蕓, 劉艷章, 王文杰, 王其虎, 張紅軍
【申請人】武漢科技大學
【公開日】2015年5月20日
【申請日】2015年1月30日