Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Чесноков, Н. И. Оптимизация решений при разработке урановых месторождений

.pdf
Скачиваний:
8
Добавлен:
21.10.2023
Размер:
9.51 Mб
Скачать

можно. 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

(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

 

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

оСОСОЮЮСПСОО'^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 ;

Соседние файлы в папке книги из ГПНТБ