|
|
ارایه یک الگوریتم فراگیر برای بهینه سازی محدوده ی استخراج زیرزمینی
|
|
|
|
|
نویسنده
|
نیک بین وحید ,اسماعیل جلالی محمد ,میرزائی نصیرآباد حسین
|
منبع
|
مهندسي منابع معدني - 1396 - دوره : 2 - شماره : 1 - صفحه:1 -17
|
چکیده
|
هدف از بهینهسازی اقتصادی محدوده استخراج زیرزمینی، یافتن محدودهای با بیشترین ارزش اقتصادی است که در آن، تمام محدودیتهای فنی و هندسی روش استخراج مورد استفاده لحاظ شده باشد. اگرچه بیش از چهار دهه از ارایه اولین الگوریتم بهینهسازی محدوده استخراج زیرزمینی میگذرد ولی روند گسترش این الگوریتمها در مقایسه با الگوریتمهای مشابه برای کاربرد در معادن روباز به دلیل تعدد روشهای استخراج زیرزمینی و پیچیدگی مدلسازی اقتصادی بسیار کند بوده است. در این مقاله یک الگوریتم فراگیر سه بعدی به نام mloa ارایه شده است. این الگوریتم مانند الگوریتم گوما، بر روی مدلهای بلوکی با ارزش متغیر اجرا میشود و توانایی تعیین تعداد، ارتفاع و جانمایی بهینه طبقات استخراجی را دارد. اگرچه روند تعیین طبقات محتمل در این الگوریتم مشابه با الگوریتم گوما است ولی روش تعیین ارزش اقتصادی بلوکها در این دو الگوریتم کاملا متفاوت از یکدیگر است. در الگوریتم mloa، از یک الگوریتم جزءگرای جستجو محور به نام soa برای تعیین محدوده بهینه کارگاههای استخراج زیرزمینی در هر طبقه استخراجی استفاده میشود. در الگوریتم soa، محدودیتهای هندسی و فنی مانند حداقل و حداکثر ابعاد کارگاه استخراج و حداقل عرض پایههای جانبی در نظر گرفته شده است و با کاربرد آن میتوان ابعاد و موقعیت بهینه کارگاههای استخراج را در درون یک طبقه استخراجی تعیین کرد. برای اعتبارسنجی، نتایج حاصل از کاربرد الگوریتم soa بر روی مدلهای بلوکی اقتصادی فرضی، با نتایج حاصل از الگوریتمهای مشابه و دارای منطق ریاضی مقایسه شده است. نتایج حاصل، نشان دهنده توانایی الگوریتم soa در تعیین محدوده بهینه کارگاههای استخراج زیرزمینی است.
|
کلیدواژه
|
کارگاه استخراج زیرزمینی، الگوریتم، بهینهسازی، جستجو محور
|
آدرس
|
دانشگاه صنعتی امیرکبیر, دانشکده معدن و متالورژی, ایران, دانشگاه صنعتی شاهرود, دانشکده معدن، نفت و ژئوفیزیک, ایران, دانشگاه صنعتی سهند, دانشکده معدن, ایران
|
|
|
|
|
|
|
|
|
|
|
A comprehensive algorithm for economic optimization of underground Mining limits
|
|
|
Authors
|
Nikbin V. ,Jalali SE. ,Mirzaei H.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|