Файл: Чесноков, Н. И. Оптимизация решений при разработке урановых месторождений.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 19.10.2024

Просмотров: 166

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

 

 

 

Т а б л и ц а

20

 

 

М атем атическое

С ред н еквад ратн ч е-

Р у д н и к

о ж и д ан и е суточной

ское о тклонен ие,

т

 

 

добы чи , т

 

 

1

2 0 0 0

5 0 0

 

2

2 5 0 0

8 0 0

 

3

3 0 0 0

1 0 0 0

 

строить стохастическую модель процесса добычи руды одновременно на трех названных рудниках.

С этой целью по известной из первого примера схеме расчета определяем значения величины добычи руды за

сутки

на каждом руднике

в отдельности и, суммируя

их, получаем ожидаемое количество добытой

руды за

сутки

одновременно на трех

рудниках. Схема

расчета

следующая (табл. 2 1 ): случайное число в первом столб­

це умножаем на среднеквадратическое отклонение (пер­ вый рудник) и складываем полученное произведение со средним значением величины добычи за сутки на пер­ вом руднике; в результате получим ожидаемую добычу

за сутки на этом

руднике

(второй столбец). Аналогич­

ные расчеты выполним для

второго рудника (третий и

четвертый

столбцы) и для

третьего (пятый и шестой

столбцы).

Затем

значение

величин во втором, четвер­

том и шестом столбцах складываем и получаем ожидае­ мую величину добычи за сутки с трех рудников одно­ временно (седьмой столбец). Рассмотрим подробнее

третью строку табл. 21. Последовательность

расчетов

можно представить в следующем виде:

 

[(—0,138) • 500 + 2000] +

[(— 1,189) • 800 + 2500] +

+ [0,215-1000 + 3000] =

1930 + 1550 + 3215 =

6695.

Расчеты выполнены в табл. 21 для условий работы рудников № 1, 2 и 3 в течение 45 суток. Здесь указаны также отклонения от среднего значения добычи за сутки (7500=2000 + 2500 + 3000) и отклонение с момента на­ чала планового (или моделируемого) периода (соответ­ ственно седьмой и восьмой столбцы).

Выполненные на основе стохастической модели рас­ четы позволили получить значения случайных величин добычи за сутки на трех рудниках одновременно. Уста-

127


со

.др и Чесноков .И .Н

 

 

 

 

 

 

 

 

Т а б л и ц а

21

 

Ожидаемая

 

Ожидаемая

 

Ожидаемая

Ожидаемая

Отклонение

Отклоне­

Случайные

Случайные

Случайные

ние с на­

добыча

добыча

добыча

добыча руды

от средн его

чала пла­

числа

руды на

числа

руды па

числа

руды на

на трех руд­

значения за

нируемого

 

руднике № I ,

 

руднике N1' 2,

 

руднике .V' 3,

никах,

сутки, т

периода,

 

г ! сут к и

 

7Іс у т к и

 

т/ с ут ки

т Ісут ки

 

 

 

т

 

2

3

4

5

6

7

 

8

 

9

—2,655

670

—0,375

2200

0,529

3530

6 400

— 1100

— 1100

0,194

2100

0,475

2880

0,088

3090

8 070

+

570

—530

—0,138

1930

— 1,189

1550

0,215

3215

6 695

— 805

— 1335

0,054

2030

— 1,384

1390

0,871

3870

7 290

— 219

— 1545

0,252

2130

0,512

2910

0,363

2640

7 680

+

180

— 1365

1,363

2680

—0,536

2070

—2,418

580

5 330

—2170

—3535

0,757

2380

— 1,814

1040

2,535

5535

8 955

+ 1455

—2080

—0,298

1850

—0,695

1940

—0,050

2950

6 740

— 760

—2840

0,589

2300

0,330

2750

0,630

3630

8 680

+

1180

—1660

2,390

3200

—0,844

1790

—0,748

2250

7 240

— 260

— 1920

0,006

2000

—0,739

1910

0,777

3780

7 690

+

190

— 1730

—0,190

1900

0,412

2830

2,537

5540

10 270

+2770

+

1040

0,099

1950

1,790

3930

0,169

3170

9 050

+

1550

+2590

—0,695

1650

—0,804

1850

—0,009

2910

6410

— 1090

+ 1500

— 1,238

1380

— 1,270

1480

—0,160

2840

5 700

— 1800

—300

—0,837

1580

—0,806

1490

— 1,684

1315

4 385

—3115

—3415

1,452

2730

0,864

3190

—0,603

2400

8 320

+

820

—2595

1,139

2570

1,252

3500

—0,024

2980

9 050

+

1550

— 1045

—0,448

1780

0,294

2740

—0,030

2970

7 490

10

— 1055

—0,842

1580

0,621

3000

— 1,350

1650

6 230

— 1270

—2325

—0,013

1990

0,466

2870

—0,591

2410

7 270

— 230

—2555

0,385

2190

—0,402

2180

—0,384

2620

6 990

—510

—3065

—0,161

1920

0,188

2650

0,023

3020

7 590

+ 90

—2975

1,600

2800

0,861

3290

— 1,268

1730

7 820

+320

—2655

0,643

2320

0,471

2880

0,014

ЗОЮ

8210

+710

— 1945

—0,145

1930

—0,192

2350

—0,212

2790

7 070

—430

—2375

2,177

3090

1,925

4040

0,440

3440

10 570

+3070

+695

0,729

2860

—0,147

2380

1,689

4690

9 930

+2430

+3125

1,161

2580

0,417

2830

0,463

3460

8 870

+

1370

+4495

—0,057

1970

—0,309

2250

0,680

3680

7 900

+400

+4895

0,789

2400

—0,131

2390

1,103

4100

8 890

+ 1390

+6285

— 1,446

1280

—0,047

2460

—0,362

3360

7 100

—400

+5885

— 1,668

1150

0,045

2535

— 1,762

1240

4 925

—2575

+3310

—0,304

1850

— 1,370

1400

— 1,441

1560

3810

—3690

—380

1,142

2570

—0,254

2300

—0,532

2470

7 340

— 160

—540

0,428

2210

— 1,512

1300

—0,404

2600

6 ПО

— 1390

— 1930

0,869

2430

0,116

2590

—0,506

2490

7510

+ 10

— 1920

— 1,555

1220

—0,876

1800

0,399

3400

6 420

— 1080

—3000

— 1,371

1310

1,550

3740

0,456

3460

8510

+ 1010

— 1990

0,517

2260

—0,502

2100

2,493

5490

9 850

+2350

+360


іговлепо, что максимальное отставание добычи за сутки достигает 3690 т, а с начала моделируемого периода — 3535 г. Это значит, что для обеспечения равномерной бесперебойной поставки руды па завод необходимо иметь запас руды на складе не менее 3535 т.

Метод стохастического моделирования Монте-Карло весьма удобен для построения стохастических моделей сложных процессов. С помощью построенных методом Монте-Карло стохастических моделей можно решать любые задачи, связанные с определением практически всех параметров случайных процессов, найти оптималь­ ный режим процесса в целом, надежность работы систе­ мы или процесса и др.

Замена в математической модели случайных величин их средними значениями может привести к ошибочному решению. Можно ли, например, определить необходи­ мую емкость рудного склада, зная только средние зна­ чения суточной добычи руды? Как следует из результа­ тов расчета, это невозможно. Кроме того, замена слу­ чайных величин их математическими ожиданиями не поз­ воляет вскрыть и наглядно показать топкий и сложный механизм производственных процессов, особенно на гор­ нодобывающих предприятиях, разрабатывающих место­ рождения с весьма неравномерным урановым орудене­ нием и постоянно находящимся в движении фронтом ра­ бот.

Следует, однако, отметить существенный недостаток метода Монте-Карло — это необходимость определения случайных характеристик элементов процесса, т. е. не­ обходимость проведения статистических испытаний, что требует значительных затрат времени и труда. Четко организованная система статистического учета работы предприятий в условиях автоматизированных систем управления (АСУ) позволит успешно применить метод Монте-Карло для анализа деятельности предприятий, входящих в них производственных подразделений и от­ дельных технологических процессов. Кроме того, метод Монте-Карло позволит в условиях функционирования АСУ повысить экономическую эффективность принятия решений и выполнять разработку альтернативных реше­ ний для руководства предприятием.

Более подробно метод Монте-Карло рассмотрен в работах [8 , 36].

Г Л А В А

ВЫБОР ОПТИМАЛЬНЫХ РЕШЕНИИ

ВУСЛОВИЯХ ОПРЕДЕЛЕННОСТИ

1.М ЕТО Д ПЕРЕБО РА ВАРИ АНТОВ

Одной из важнейших задач, решаемых при проектировании уранодобывающих пред­

приятий, является комплексная оптимизация парамет­ ров рудников.

Параметры рудника тесно связаны с технологией, техникой и организацией горного производства. Поэтому выбор параметров рудника требует учета совокупного влияния большого числа геологических, горнотехниче­ ских и организационных факторов.

Один из наиболее распространенных способов ком­ плексной оптимизации параметров рудника при его про­ ектировании заключается в установлении закономерно­ стей изменения экономического критерия (суммы условной прибыли, показателя рентабельности или сум­ мы приведенных затрат, отнесенных на единицу подле­ жащих извлечению запасов) в зависимости от варьируе­ мых параметров и нахождении значений этих парамет­ ров, соответствующих max (min) исследуемых функций.

Метод, таким образом, сводится к составлению опти­ мизационной модели и нахождению экстремума функ­ ции вида

 

К — F (Xjlхъ

. . ., хп)

max (min),

(3.1)

где

К — выбранный экономический

критерий; хи х2, ...

...,

хп — варьируемые параметры рудника

(высота эта­

жа,

высота подэтажа,

длина блока, число

концентра­

ционных горизонтов и т. д .).

 

 

 

 

 

В настоящее время известны аналитические методы,

позволяющие находить экстремум функций,

содержащих

не более пяти аргументов. Однако

при

проектировании

новых рудников (или

проектировании

реконструкции

действующих) при решении вопросов о доработке запа-

9' 131


Анализ горногеологических условий месторождения или его участка, формализация параметров месторождения

Сравнение формализованных параметров с параметрами известных месторождений, нахождение аналогов

Определение структурной формулы общих затрат на извлечение

единицы промышленных запасов металла (1 т

руды)

вида

С = С Х+ С 2+ . . . Сп,

 

(3.2)

где С —общая сумма затрат на извлечение единицы

промышленных

запасов металла (1 г руды), pyöjed-, Cl t С2, . . . .

Сп—удельные

затраты по различным видам работ (различным статьям

расхода),

руб/ед

 

 

Выделение количественных параметров рудника, оказывающих влия­ ние на себестоимость единицы извлекаемого металла в концентрате (1 т руды),—эти параметры являются оптимизируемыми величинами

132

I

Определение и математическая интерпретация зависимости каждого слагаемого в формуле (3.2) от оптимизируемых величин

Развертывание формулы (3.2) с использованием полученных матема­ тических зависимостей ее компонентов от оптимизируемых параметров в развернутую экономико-математическую модель вариантов комплексной оптимизации параметров рудника

Р и с. М. Блок-схема комплексной оптимизации параметров рудника.

сов месторождения число оптимизируемых переменных обычно значительно больше пяти. Поэтому для иссле­ дования и оптимизации функций вида (3.1) чаще всего принимают универсальный, но трудоемкий метод после­ довательного перебора вариантов, или, сокращенно, метод вариантов.

В последние годы применение этого метода при про­ ектировании было значительно облегчено благодаря использованию быстродействующих электронно-вычис­ лительных машин.

Опыт использования метода вариантов при проекти­ ровании уранодобывающих предприятий, а также реко­ мендации советских исследователей позволяют сформу­ лировать основные моменты методики комплексной оптимизации параметров, представленные в виде блоксхемы (рис. 14).

133