
книги из ГПНТБ / Чесноков, Н. И. Оптимизация решений при разработке урановых месторождений
.pdfможно. Поэтому преимущество применения вероятност ных векторов-строк п матриц очевидно.
Вернемся к примеру. Пусть в какой-то из дней на фабрику поступила руда с содержанием металла А. Тогда па следующий день в соответствии с условием задачи поступит руда с содержанием металла А, Б или В с вероятностью РА, выражаемой вектором-строкой
А |
Б |
В |
Рл (0,5 0,25 0,25).
Через 2 дня на фабрику поступит руда с содержанием
А, Б, В с вероятностями Р:
РА = 0,5-0,5 + 0,25-0,5 + 0,25-0,25 = 0,437,
РБ = 0,5-0,25 + 0,25-0 + 0,25-0,25 = 0,188,
Р в = 0,5-0,25 + 0,25-0,5 + 0,25-0,5 = 0,375.
Эти расчеты можно более наглядно проиллюстрировать рисунком (рис. 13), где изображены два шага марков ского процесса (обозначения и конкретные значения вероятностей взяты из рассматриваемого примера). Значения вероятностей по каждой ветви перемножаются, а затем на каждом шаге процесса вероятности, относя щиеся к одноименному параметру (или переменной), складываются, что равносильно перемножению ,матриц. Сравнение результатов расчета по графику (см. рис. 13) и перемножение матриц показывают их полную равно значность. Если через 1 день вероятность поступления
руды |
с содержанием |
А (сорта |
А) |
равна 0,5, то еще |
через |
1 день в сумме |
(через 2 дня) |
вероятность поступ |
|
ления сорта А (см. матрицу Р ) |
составит 0,5-0,5 = 0,25. |
Если через 1 день после поступления сорта А вероят ность поступления сорта Б равна 0,25, то еще через день вероятность поступления сорта А после сорта Б будет 0,25-0,5 = 0,125 (см. первый столбец матрицы Р ) . Ана логично вероятность поступления сорта А через 2 дня (при сорте В — через I день) равна 0,25-0,25 = 0,0625. Общая вероятность поступления руды сорта А через 2 дня будет равна сумме произведений вероятностей по ступления руд различных сортов через 1 день на вероят ности поступления сорта /1 после поступления соответ
ствующих сортов А, Б и В.
112
Таким образом, вероятность поступления на фабри ку руды сорта А через 2 дня равна произведению век тора строки А на столбец А матрицы Р . Аналогично для сортов Б и В вероятности поступления руды раз-
Р
ЕА - 0,2500
0,1250
0 ,0 6 2 5
0 ,0 3 7 5
2 6 = 0,1250
0,0000
0,0625
0,1875
2 В = 0,1250
0,1250
0,1250
0,5750
Е (4*6*8) = 0,4375
0,1875
0,3 7 5 0
1,0000
Р и с. 13. Графическое изображение вероятности поступления руды на фабрику (цепь Маркова).
ных сортов по дням выглядят следующим образом. На
чало расхода (исходный |
пункт)— на |
завод |
поступил |
|
сорт А, через 1 день на завод |
поступит |
руда |
сортов А, |
|
Б, В с вероятностями |
|
|
|
|
А |
Б |
В |
|
|
А (0,5 |
0,25 |
0,25). |
|
|
8 И. И. Чесноков н др. |
113 |
іез 2 дня на завод поступит руда с вероятностями
А Б В
А |
Б |
|
В |
1 0,5 |
0,25 |
0,25\ |
|
|
|||
А (0,5 |
0,25 |
0,25) х |
А і |
0,5 |
|
|
0,5 |
= |
|
||
£ |
|
0 |
|
||||||||
|
|
|
|
|
ß '(0,25 |
0,25 |
0,5 ) |
|
|
||
|
|
|
А |
|
Б |
|
В |
|
|
|
|
|
= |
Л2 (0,437 |
0,188 |
0,375) = Ai Л |
|
|
|||||
где Р — матрица вероятностей перехода. |
|
|
, то |
||||||||
Если продолжить расчеты, |
используя матрицу Р |
||||||||||
через 3 дня: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
А |
Б |
В |
|
|
А |
|
|
Б |
В. |
А І' 0,5 |
0,25 |
0,25\ |
|
|||
А2 (0,437 |
0,188 |
0,375) Х М |
0,5 |
0 |
0,5 |
1. |
|
||||
|
|
|
|
|
|
ч0,25 |
0,25 |
0,5 У |
|
||
или |
|
|
|
|
|
|
|
|
|
|
|
|
|
А |
|
Б |
В |
|
|
|
|
|
|
|
Аг (0,5 |
0,25 |
0,25) х Р 2 = |
А2 • Р. |
|
|
|||||
Через 4 дня АіР 3, или А3 Р, |
через 5 дней |
А| Р 4, |
или |
||||||||
АаР , и т. д. |
(здесь А„ — вектор-строка вероятностей по |
||||||||||
ступления сортов руды А, Б и В через п дней). |
|
|
|||||||||
Через 8 |
дней |
с довольно |
большой точностью: |
|
|||||||
|
|
|
|
А |
Б |
|
В |
|
|
|
|
АХР 7 = |
Ад = |
(0,400 0,200 |
0,400) = |
А7Р, |
(2.51) |
и, сколько бы ни умножали As на матрицу Р , данный вектор-строка практически не изменится.
Как видно из изложенного, вероятность поступления
различных |
сортов |
руд на обогатительную |
фабрику |
в |
/і-й день |
равна |
вероятности поступления |
руды |
(в |
(п—1)-й день, умноженной на матрицу Р: |
|
|
||
|
|
А„ = Ап_ хР. |
(2.52) |
Рассмотренный пример является примером марков ского процесса, или марковской цепи. Марковская цепь— это конечный стохастический процесс, состояния которого изменяются только в дискретные моменты вре мени. Марковская цепь полностью определена, если ис-
114
ходное состояние процесса фиксировано и для любого п соблюдается условие
А п= Ап_,Р.
Для расчета марковской цепи необходимо знать ис
ходное состояние и вероятность перехода |
(или матрицу |
вероятностей перехода) из состояния п |
в состояние |
п + \ . |
|
Выполнив аналогичные расчеты по определению ве роятностей поступления руды сортов А, Б и В на обога тительную фабрику после поставки на фабрику сорта Б (исходный пункт расчета), получим соответственно
|
|
|
|
|
А |
Б |
В |
|
|
через 1 |
день |
|
|
Ба = Б (0,5 |
0 |
0,5), |
|
|
|
через 2 |
дня |
|
|
|
|
|
|
|
|
|
|
А |
Б |
В |
|
|
|
|
|
|
Б (0,5 |
0 |
0,5) X Б |
|
|
|
|
||
|
|
|
|
|
В |
|
|
|
|
|
= |
Ъ2 — Б (0,375 |
0,25 |
0,375) = Бг Р, |
|
||||
через 3 дня |
Б3 = |
БХЯ2 == Б2>* |
через 4 дня |
Б4 = Б^ |
3 = |
||||
= Б3 Р |
и т. д.; через 8 |
дней |
с достаточной степенью |
||||||
точности получим |
|
|
|
|
|
|
|||
|
|
|
|
|
|
А |
Б |
В |
|
|
Б8 = |
Б7 • Р = |
Б4Я7 = |
Б (0,400 0,200 |
0,400). |
|
|||
Точно такой же результат, |
как в (2.51) |
и (2.52), |
по |
лучается, если принять за исходный пункт поставку на обогатительную фабрику руды сорта В, т. е.
А |
Б |
В |
В8 = В4 • Я7 = В7Я = В (0,400 0,200 |
0,400). (2.53) |
|
Полученные в выражениях |
(2.51) — (2.53) результа |
ты говорят о том, что мы имели дело с особым типом марковских процессов, позволяющих относительно бы стро определить долгосрочный прогноз (особенно если переход из одного состояния в другое происходит через 1 день, как принято в рассматриваемом численном при
мере, в течение месяца, квартала или года). Такой тип
8* 115
марковских цепей называют регулярным, и отличие его от других состоит в том, что какая-то степень матрицы вероятностей перехода цепи не содержит элементов, равных нулю.
Любая матрица вероятностей перехода, не содержа щая нулей, определяет регулярную марковскую цепь.
В качестве примера нерегулярной марковской цепи можно рассмотреть, например, матрицу перехода
Такая матрица в любой степени содержит нуль в правом верхнем углу.
Регулярность марковских цепей имеет следующий вероятностный смысл: марковская цепь является регу лярной, если в некоторый момент времени процесс мо жет оказаться в любом из состояний цепи независимо от его начального состояния.
Самый простой метод проверки цепи на регуляр ность заключается в том, что нужно проследить, яв ляются ли элементы степеней матрицы вероятностей перехода положительными. При этом нет необходимости вычислять истинные значения этих элементов. Доста точно обозначить любой элемент через а, если он не ра вен нулю, и через нуль, если он равен нулю.
■Например,
нужно исследовать (проверить) на регулярность. Пере пишем матрицу Р в виде
ивозведем ее в степень:
Я2 =
116
а |
а |
а |
P S= а |
а |
а |
а |
а |
а |
Таким образом, доказано, что эта матрица вероятно
стей |
перехода |
определяет |
регулярную |
марковскую |
||||
цепь. |
|
|
|
|
|
|
|
|
Для |
регулярных марковских |
цепей необходимо |
от |
|||||
метить, |
что если |
Р — матрица |
вероятностей перехода |
|||||
регулярной цепи, то: |
|
к некоторой |
матрице |
Т |
||||
а) |
матрицы Р п сходятся |
|||||||
(т. е. |
каждый элемент |
Р ѵ стремится в пределе к соот |
||||||
ветствующему элементу |
Т ): |
|
|
|
|
б) строки матрицы Т образуют одинаковый вероят ностей вектор t;
в) все компоненты вектора положительны.
Таким образом, утверждается, что для больших п долгосрочный прогноз можно дать раз и навсегда неза висимо от значений п, т. е. рц приблизительно равно для всех больших п. Кроме того, долгосрочный прогноз не зависит от начального состояния исследуемого про цесса. Другими словами, ta = tj зависит только от рас сматриваемого состояния ßj, а не от начального состоя ния. Поэтому вероятность состояния aj после достаточ
но большого числа шагов приблизительно |
равна tj не |
|||
зависимо от начального состояния процесса. |
||||
Именно к такому выводу мы пришли в рассмотрен |
||||
ном численном |
примере. |
Перепишем |
результаты |
|
(2.51) — (2.53) в виде |
|
|
|
|
|
А |
Б |
В |
|
As = |
А (0,400 |
0,200 |
0,400), |
|
= |
Б (0,400 |
0,200 |
0,400), |
|
В8 = |
В (0,400 |
0,200 |
0,400) |
|
или в виде одной матрицы
А |
Е |
В |
А /0,400 |
0 ,2 0 0 |
0,400' |
0,400 |
0 ,2 0 0 |
0,400 |
БВ \І0,400 |
0 ,2 0 0 |
0,400 |
117
Полученный в примере предел означает, что независи мо от исходного состояния (какую бы руду на обога тительную фабрику ни поставили в первый день) за длительный период времени на фабрику будет постав лено 40% руды сорта А 20%, руды сорта Б и 40% руды сорта В. Этот период времени в соответствии с расче
тами (2.51) — (2.53) должен быть |
не |
менее 8 |
дней. |
Среднее содержание металла в руде, поставленной |
|||
на фабрику в течение не менее |
чем 8 |
дней, |
может |
служить надежным показателем месячного, кварталь ного и годового планирования, если на содержание ме талла в поставляемой руде не влияют еще какие-либо существенные факторы.
Среднее содержание |
металла в |
руде |
в расчете на |
|||
8 дней и более составит |
|
|
|
|
|
|
Тер -- Уа |
■0,400 + |
уБ• 0,200 + |
ув • 0,400, |
(2.54) |
||
где уср— среднее |
содержание металла |
в |
руде, |
посту |
||
пающей на обогатительную фабрику; |
у..( = 0 ,1 2 -^0 , 1 0 = |
|||||
=0,11% — содержание металла в руде |
сорта А; |
УБ = |
||||
= 0,08-1-0,06 = 0,07%— содержание металла |
в руде сор |
|||||
та Б\ ув = О.Обн-0,04 = 0,05% — содержание |
металла в |
руде сорта В\ 0,400; 0,200; 0,400 — удельное количество руды соответственно сортов А, Б и В в долях единицы.
Подставив.эти значения в (2.54), получим
уср = |
0,11 • 0,4 + 0,07-0,2 + |
0,05 ■0,4 = 0,044 + |
|
4-0,014 + 0,02 = 0,078%. |
|
Таким |
образом, на период |
времени, равный 8 дням |
и более, целесообразно планировать среднее содержа ние металла в поступающей на обогатительную фабрику руде, равное 0,078%. На основании этой величины сле дует планировать и выпуск металла в концентрате.
Область применения теории марковских цепей, есте ственно, не ограничивается рассмотренным численным примером. Методы расчета марковских цепей могут быть с успехом использованы при поисках и разведке месторождений, их разработке и переработке руд. Ши рокое применение марковские процессы находят в рас четах надежности комплексов шахтного оборудования, образующих взаимосвязанные системы. Методы расчета марковских цепей целесообразно применять при плани-
118
роваиии и прогнозировании в условиях стохастического изменения показателей и с учетом фактора времени.
Более подробно методы расчета марковских процес сов рассмотрены в работах [8 , 36, 38, 48], на основании
которых был подготовлен настоящий раздел.
4. МЕТОД СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ (МЕТОД МОНТЕ-КАРЛО)
Метод Монте-Карло нередко называют методом статистических испытаний или методом стохастического моделирования.
Идея метода заключается в разработке стохастиче ской модели процесса на основе известных распределе ний плотности вероятностей, характеризующих процесс, с применением таблиц случайных чисел.
Рассмотрим первый пример. На карьере, отрабаты вающем месторождение с неравномерным оруденением, при очистных работах экскаватор с помощью радиомет ра производит раздельную погрузку руды и пустой по роды. Причем в автосамосвалах, используемых для перевозки пустой породы, пе разрешается транспорти ровать руду и, наоборот, в рудных автосамосвалах не допускается транспортировка пустой породы.
На транспортировке руды от забоя до бункеров за нято 5 автомашин. В среднем за смену на карьере добы
вают 1050 т руды, которую |
нужно доставить от забоя |
до бункеров. Однако из-за |
неравномерного оруденения |
и других причин объем добычи руды за смену колеб лется в значительных пределах и, как показал анализ,
имеет |
соответствующее |
распределение |
частости |
||
|
|
|
|
Т а б л и ц а 16 |
|
Количество |
|
Число смен, в которые |
Количество |
Число смен, |
в которые |
|
добыто |
добыто |
|||
руды, добытой |
количество руды, |
руды, добытой |
количество руды, |
||
за смену,т |
|
заключенное в одном |
за смену, т |
заключенное в одном |
|
|
|
интервале |
|
интервале |
|
451—550 |
|
1 |
1151— 1250 |
20 |
|
551—650 |
|
8 |
1251 — 1350 |
14 |
|
651—750 |
|
10 |
1351— 1450 |
13 |
|
751—850 |
|
28 |
1451—1550 |
4 |
|
851—950 |
|
25 |
1551— 1650 |
3 |
|
951—1050 |
|
31 |
1651—1750 |
3 |
|
1051— 1150 |
|
43 |
1751— 1850 |
1 |
119
(табл. 16). Выполненные расчеты показали, что стан дартное отклонение добычи руды за смену равно 245 т. Производительность одного автосамосвала на транспор
тировке руды |
в этих |
условиях |
составляет 2 1 0 |
т/смена, |
а стандартное |
отклонение в |
распределении |
частости |
|
производительности |
автосамосвалов (табл. 17) равно |
40 т/смена. Имея перечисленные исходные данные, мож но определить, насколько полно выделенные 5 автосамо свалов используется на транспортировке руды,
|
|
|
Т а б л и ц а |
17 |
Количество руды, |
Число смен, |
Количество руды, |
Число смен, |
|
в которые |
в которые |
|||
доставленной |
доставлено |
доставленной |
доставлено |
|
одним автосамо |
количество руды, |
одним автосамо- |
количество |
руды, |
свалом до бункеров |
заключенное |
свалом до бункеров |
заключенное |
|
за смену, т |
в одном интервале |
за смену, г |
в одном интервале |
|
116—125 |
1 |
206—215 |
9 |
|
126— 135 |
3 |
216—225 |
6 |
|
136— 145 |
2 |
226—235 |
5 |
|
146— 155 |
2 |
236—245 |
5 |
|
156— 165 |
4 |
246—255 |
4 |
|
166—175 |
3 |
256—265 |
5 |
|
176— 185 |
3 |
266—275 |
3 |
|
186—195 |
6 |
276—285 |
2 |
|
196-205 |
7 |
286—295 |
2 |
|
Особенность метода Монте-Карло состоит в том, что каждое число одного распределения можно скомбини ровать с другим. Учитывая, что количество добываемой за смену руды и производительность одного автосамо свала на доставке руды от забоя до бункеров — случай ные величины, комбинация чисел их распределений так же должна быть случайной. Для того чтобы обеспечить случайную комбинацию двух чисел двух разных распре делений, пользуются, как правило, таблицами случайных чисел (табл. 18) (математическое ожидание равно ну лю, среднеквадратическое отклонение— 1 ,0 )
Для решения поставленной задачи составим табл. 19
ирассмотрим ее содержание:
1) первый столбец заполняется случайными числам
всоответствии с табл. 18, при этом ряд случайных чисел
может быть любым (для рассматриваемого примера взят первый ряд табл. 18);
120
*с**ОС000І''-С0СГ>1''-ЮГ-«тГГ“'-С0 іЛ< М <МССі-0і0С '4ООООСЧ
о— СОСОЮЮСПСОО'^О^СО*^иО('--'ФСП('-СП) — COCMCOCOlO
О — N - t о ^ |
СП N СО N О — СО — СОЮОЮООЮОСТіСО |
|
||
со |
|
|
|
|
— О О — О О — О О О — О О О — о — — о —• — о о о о |
|
|||
1 1 И 1 |
I I |
1 ! |
I l l |
1 |
СО О О (N (N — ( N N ( 7 ) - СЧ ^ -^ Ю ^ СООООС ^ О — СО — 1"- ’’Ф
——< CD СО Г-- О — (МСОСПСО"^<МГ^-0>СОО^СО — Tt-CNO w o
■^ in - 'iO in iO 'tQ O C O O O ^ O ^ O iO lO iM — ~ От}*СО — LOO
o o — о о о с м о о о о — о — — о — — о — — o o — о
1 1 1 1 1 1 1 1 1 I I 1
^COCMNCDCOCn(OCD(MCO — ( N N 0 O — O O - O D ’tlO lO O
СО^ООСПСМГ^-+*тГіЛООСОСО|---СООЮО'^а)ОСОГ^-'^ГГіСО
O fO N o O - t — O M iß W O t O W O — K O T P O O N t O W O
о
О — — 0 0 01 — — о о о о — о о о о — — о о о о — о
1 I I |
1 и |
1 |
1 1 1 I I |
ОСОЮ — W C O W O O C O N S O O O 't W ’t O O — -^cOcC^ |
|||
Ol CO — Г-- CD — C O W W ^ N C O C O O 0 |
OOO(MW lOQCO(NO — |
юЮО(МООСО’^ Ю О О М '' ІЛ — О - О О О О С О Ю П О М О
|
O O O O O O IO IO O O O C N O O O — |
О О О — О О О — о |
|||
|
I I |
1 |
1 1 1 1 1 I I и |
1 |
|
|
ІЛ Ю О - С ГО ІО 'ЗМ П О ТС Г . ( M O I’ O O ^ C N 't — CD (N СО |
---------- |
|||
тг |
Г- Г"- СО 00 — СО — о w CO W — C T lO N O O iO O O J O O c O O N |
||||
ГО -ф — СОЮіОсООСОСОЬ ’?Т\Г'- OOC^O^OOCMCMO-Tf-^r — О С ' Ф |
|||||
|
О О — — 0 0 — 0 0 0 0 0 — 0 — 0 0 — 0 0 0 0 0 0 0 |
||||
|
1 1 1 1 1 |
I I |
I I I |
|
1 |
lO rj<OD'+o5CON00050tOOOlWOONMOOOC4COiO — ОСО Ю О Ю Ю Ю О Ю О З С О О О С Л О О С О П Ю С О ^ ^ - С О О О ^
со O - " O ( N W N W W W O - O C O C ^ O O ^ - ’tC O O C O - C O 0
O IO O O O — O O O C N O O O O — o — — o o o o o — о
I I |
|
1 |
1 |
1 I I |
|
1 1 1 |
1 |
|
|
СО о oo N Ю —'■?}, ' t O W N 0 T t ‘ < M iN a )Q W N W N O C n c O O |
|
||||||||
- О ) О Ю ( £ ) ^ т о Ю О М Ю іП Ю - С С М М ^ С ) С О Ф О ) 0 - |
|
|
|||||||
t - ' - N ( M C O 0 ’tCOSNCONlßOOCOlOlCcOCOlßlOlßlOCOCN |
|
||||||||
сч |
o |
o |
— o o o |
o o |
o |
o |
O'O о о о о |
о |
о |
CNC4 — О CM — o |
|||||||||
1 |
I |
I |
I |
I |
I |
I |
1 |
1 |
|
O O W N cO iO C n O C N O — CD (N СО С<1 О — c o o ^ o - c o o ° o |
|||||||||
N O C O N O lO O tO iO O lQ O O ^ O C O tN lO O S O ia iC O ^ C O ^ |
|
|
|||||||
N C 'IO L O C 'IN O 'S 'O C D - O N O |
-----------^CO 'tC'UO C O W rO - ' |
|
|||||||
- |
|
|
|
o o |
— o |
o o o — — o |
o |
o |
|
О — ©C4 0 0 0 0 C N 0 0 0 — |
1 |
1 |
I I I |
I I |
1 |
I I |
M i l ; |