BP人工神經網絡方法在礦產資源綜合開發利用評價中的應用

　　［摘 要］本文對礦業多目標決策提出了基于BP神經網絡的最優化分析方法，根據客觀數據構造出礦產綜合開發利用水平模型評價標準，證明BP神經網絡能有效地解決礦產資源綜合開發利用評價問題。
　　［關鍵詞］多目標決策；BP神經網絡；礦產資源；綜合開發利用評價
　　［中圖分類號］TK019 ［文獻標識碼］A ［文章編號］1005-6432（2011）15-0118-02
　　
　　礦產資源綜合開發利用評價是一個典型的多目標決策問題，應用多目標決策的有關技術進行方案的排序選優，能較好地解決多方案的優化問題。關鳳峻根據給出的多個綜合開發利用方案，采用的層次評價方法，建立評價體系并采用理想點法進行排序，選出最優方案。宋光興等人改進了理想點法中權重的確定方式，利用熵技術法確定礦產資源綜合開發利用的評價指標的權重，并得出了排序選優的最終結果。李學全等人提出了一種灰色關聯度線性加權和方法，是解決礦產資源綜合開發利用評價問題的一個有益的嘗試。周科平提出了一種新的多屬性決策法，有效解決了主觀確定的權重不精確的缺點。陳林、曹樹剛采用博弈論分析框架中混合策略情況下應用最優化方法，尋求混合策略Nash均衡的最優化點，作為多指標決策問題的優選方案。
　　礦產資源綜合開發利用評價中權重的確定是一個關鍵，采用BP人工神經網絡技術構建的非線性評價模型對礦產資源的綜合利用水平進行評價，可避免人為確定各指標的權重帶來的主觀性。本文試采用BP人工神經網絡方法對礦產資源綜合開發利用各個方案做出評價，并把評價結果與其他方法作比較，以驗證方法的可靠性。
　　1 數據來源以及研究方法
　　1.1 數據來源
　　（1）數據來源于參考文獻三篇論文的舉例部分，某鐵金礦經研究設計得出9個方案。
　　（2）將數據進行歸一化處理，將每一列的數字xi代入歸一化公式x*i=[SX（]ximaxxi′[SX）]
　　即每一指標數據除以各自指標中的最大值，將數據劃歸在［0，1］范圍之內。
　　1.2 研究方法
　　BP人工神經網絡簡介：人工神經網絡是將大量簡單的神經元廣泛連接而成，用以模擬人腦思維方式的復雜網絡系統，具有自組織、自適應、自學習和容錯性等特點，被廣泛應用于模式識別、圖像處理、自適應控制等領域。由于礦產資源綜合利用水平評價系統是一個多層次、多因素的復雜系統，采用BP人工神經網絡技術構建的非線性評價模型對礦產資源的綜合利用水平進行評價和識別可避免人為確定各指標的權重帶來的主觀性，提高評價結果的準確性。
　　2 運用BP人工神經網絡對礦產資源綜合開發方案進行評價
　　運用matlab環境下的BP網絡模塊，我們將經濟發展水平分級指標作為樣本輸入，評價級別作為網絡輸出BP網絡通過不斷學習修改權重，找出評價指標與評價級別間的內在對應關系，利用此網絡模型進行經濟發展水平的綜合評價。
　　第一、評價指標體系的建立。以某銅鐵礦設計方案為例建立評價體系。參考其他人的研究成果及數據的可獲取性，選取5項指標，分別為鐵選礦回收率（%）、金選礦回收率（%）、產值利潤率（%）、成本利潤率（%）、噸礦利潤（元/噸）。
　　第二、網絡模型的構建。選取以上5項指標作輸入神經元，輸出神經元為銅鐵礦的綜合開發利用水平，構建神經網絡，采用等間距的線性內插方法，對已經歸一化了的數據進行等級劃分，構建人工神經網絡的訓練數據（見表1），并將銅鐵礦的綜合開發利用水平分為3級，3代表綜合開發利用水平高，2代表綜合開發利用水平中等，1代表綜合開發利用水平低。
　　據此構建5×1×1的神經網絡結構，其中隱含層神經元為3個，輸出層神經元1個。網絡設計的參數為：網絡初始值為［0，1］之間的隨機數，基本學習速率 0.1；網絡訓練的終止參數為：最大訓練批次為10000次，最大誤差為0.01。網絡訓練達標后，將表1中的原始數據歸一化后輸入網絡，得出銅鐵礦的綜合開發利用水平的BP估計值。
　　表2表明，方案8的綜合開發利用水平BP值最大，是諸方案中最優的；方案7的綜合開發利用水平次之，為次優方案；方案1的綜合開發利用水平BP值最小，是諸方案中最差的。
　　3 與基于理想點法評價模型計算得到的結果相比較
　　3.1 理想點法簡介
　　理想點法是屬于多屬性效用理論的多目標決策方法，它最基本的思想是依據“綜合效用值”進行方案排序選優。其效用值的計算是用理想點法中的“距離值”的計算方法而得。通過選取各個目標中的最優值構成一個多目標的理想方案（也稱為理想點），并以目標空間中，各方案與理想方案的距離值來度量各方案的優劣。距離越小表示方案目標值越接近理想方案的目標點。這樣依距離值的大小來排列方案的優劣順序，距離越小，方案越優。
　　以下兩表格分別為基于層次評價方法與基于熵值法確定權重的理想點法得到的礦產資源綜合開發利用評價結果。
　　3.2 各評價模型所得結果比較
　　將礦產資源綜合開發利用水平的BP值排序情況（表2）分別與基于層次方法和基于熵值法確定權重的理想點法（表3）得到的優方案排序相比較。采用BP人工神經網絡計算得到的結果與采用熵值確定權重的理想點法得到的結果相同；BP值法計算的結果中最好的三個方案分別為方案8、方案7、方案9，與層次理想點法的結果相同，不同之處僅僅存在于方案1與方案2，方案5與方案6，他們的排名也十分接近。這充分說明采用BP人工神經網絡方法對礦產資源的綜合開發利用進行評價是可行的。此外，由于運用matlab軟件可以輕易地實現BP神經網絡運算，這種方法在處理大量數據方面還有著獨特的優越性。
　　4 結 論
　　礦產資源綜合開發利用評價從本質上講是一個多目標決策問題。目前，求解多指標決策問題的方法很多，但各方法的關鍵在于如何合理確定各指標的權重。采用BP人工神經網絡技術構建的非線性評價模型對礦產資源的綜合利用水平進行評價，可避免人為確定各指標的權重帶來的主觀性，可以有效地解決礦產資源的綜合開發利用評價問題。
　　參考文獻：
　　［1］李學全，李松仁，尹蒂.礦產資源綜合開發利用評價的多目標決策灰色關聯度方法［J］.礦產綜合利用.1996(2):39-43.
　　［2］關鳳峻.礦產資源綜合開發利用的評價方法［J］.資源開發與市場.1999，15（3）:138-141.
　　［3］宋光興，錢鑫，劉懷.基于熵技術的礦產資源綜合開發利用評價方法研究［J］.中國礦業.2000，9（3）:26-29.
　　
　　［作者簡介］王邊蓮（1985—），女，內蒙古呼倫貝爾人，云南財經大學城市管理與資源環境學院人口資源與環境經濟學專業碩士研究生，研究方向：人口、資源與環境；楊潤高（1971—），男，云南大理人，云南財經大學城市管理與資源環境學院副教授，研究方向：人口、資源與環境經濟;秦國真（1985—），男，山東省滕州市人，云南財經大學碩士研究生。