進口鐵礦石取樣優化技術研究

趙家梁 岑仲迪 楊東彪

摘? 要：文章提出對每家進口鐵礦石供應商的歷史到港鐵礦石品質波動率數據和裝卸兩港品質偏差率數據進行統計分析，建立品質波動率的加權移動平均線，作為推斷即將到港檢驗鐵礦石的品質波動率的依據;然后根據判定的品質波動率大小來分配份樣個數和份樣重量;結合鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率數據，建立份樣個數和份樣重量的動態調整機制。該進口鐵礦石取樣優化技術可以實現在不增加港口整體檢驗次數的前提下降低抽樣誤差，以更好地整體把握港口卸載的鐵礦石品質。

關鍵詞：鐵礦石;品質檢驗;取制樣;波動率;加權移動平均線

中圖分類號：TF521? ? ? ? ?文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）11-0056-02

Abstract： This paper puts forward the statistical analysis of the historical quality fluctuation rate and the quality deviation rate of the loading and unloading ports for each imported iron ore supplier， establishes the weighted moving average of the quality fluctuation rate as the basis for inferring the quality fluctuation rate of the incoming iron ore， and then distributes the number and weight of samples according to the predicted quality fluctuation rate. The dynamic adjustment mechanism of sample number and sample weight is established based on the real-time particle size detection data of the iron ore and the particle size fluctuation rate of the supplier's historical iron ore. The imported iron ore sampling optimization technology can reduce the sampling error without increasing the overall inspection times of the port， so as to better grasp the quality of iron ore in the port.

Keywords： iron ore; quality inspection; sampling; volatility; weighted moving average

1 概述

我國是全球最主要的鐵礦石消費國，鐵礦石進口量占全球鐵礦石貿易量的近70%。2017年我國鐵礦石進口量為10.75億噸，達到歷史最高值;2018年我國鐵礦石進口量為10.38億噸，保持在歷史高位。浙江口岸是我國主要的鐵礦石進口基地之一，2018年寧波舟山港全年累計到港鐵礦石1.85億噸，占全國進口鐵礦石總到港量的18.1%，是鐵礦石到港量最大的港口。

進口鐵礦石的品質波動直接關系到貿易風險和環境風險，涉及到巨大的經濟利益和社會效益。進口鐵礦石品質方面目前尚無統一的評定標準，僅以貿易合同相關約束條款作為評定依據。秘魯、智利、伊朗等國由于開采水平有限，礦山采選設備落后，經常出現不同礦區、不同港口混裝的現象，整船貨物顏色、粒度、含鐵量經常出現不均勻的情況，鐵礦石品質波動大，部分地區的進口鐵礦品質不合格檢出率甚至高達100%。澳大利亞鐵礦石的粒度不合格情況較多，阿聯酋和印度尼西亞鐵礦石的鐵含量不合格情況較多，馬來西亞鐵礦石的有害元素含量較高情況較多，秘魯、伊朗和阿根廷鐵礦的硫、磷等雜質元素不合格情況嚴重。2016-2018年，我國年均檢出不合格鐵礦石占比高達30%，檢出不合格鐵礦石年均涉及金額高達150億美金。

為掌握各個批次進口鐵礦石的品質，需要對每批次到港鐵礦石進行抽樣檢驗。要從大批量進口鐵礦石中取出具有代表性的樣品來進行質量檢驗，鐵礦石的取制樣技術就處于非常關鍵的環節。

2 國內外研究現狀

鐵礦石取制樣的現行國際標準為《Iron ores. Sampling and sample preparation procedures》（ISO 3082-2009）[1]。我國的國家標準《鐵礦石 取樣和制樣方法》（GB/T 10322.1-2014）[2]等同于ISO標準。按照鐵礦石取制樣的ISO標準，需要先對鐵礦石進行試驗，以判斷該批次鐵礦石的質量波動屬“大”“中”“小”哪個類別，然后確定該批次鐵礦石檢驗的份樣個數和份樣重量。但是在檢驗實踐中，對鐵礦石進行快速試驗以判斷鐵礦石品質波動大小有比較大的難度。

已有兩篇文獻探討了如何利用歷年積累的檢驗數據來分析鐵礦石的品位波動。應海松等人[3]基于歷史檢驗數據，應用BP神經網絡來預測鐵礦石品位波動，為鐵礦石取制樣提供品位波動校核依據，但該文獻沒有將其作為品質波動大小的判斷依據。劉四海等人[4]搜集整理了2011 年以來進口鐵礦石舟山港與裝貨港的檢測數據，并對檢測結果的偏差進行統計分析，把裝卸兩港含鐵量偏差率大小也作為品質波動大小的依據，但該文獻判斷鐵礦石品質波動大小的依據不夠全面具體。其它文獻，例如袁曉鷹[5]、張恒瑞[6]、李雪蓮[7]等，主要探討鐵礦石取制樣設施的自動化程度、操作規程等，都沒有考慮如何確定份樣個數和份樣重量。也有一些文獻研究進口鐵礦石中有毒有害元素對環境的影響。鐘瑩等人[8]對從深圳口岸進口的132批次鐵礦石中所含有毒有害元素含量進行了分析，發現部分產地的鐵礦石中Cd和As的含量較高，存在環境污染風險，需要采取適當的控制措施。張鳥飛等人[9]對浙江嵊泗馬跡山口岸229批次進口鐵礦石進行有害元素分析，結果表明部分國別的進口鐵礦石中S、Cl、As、Cd 的含量超過相關標準所規定的上限值，存在污染風險。

綜上所述，還沒有文獻利用歷史檢驗數據作為進口鐵礦石品質波動大小的推斷依據，從而優化取樣機制以降低抽樣誤差。

3 鐵礦石取制樣優化技術

由于主要國際鐵礦石供應商的數量是有限的幾家，因此可以對每家供應商的歷史到港鐵礦石品質波動率數據和裝卸兩港品質偏差率數據進行統計分析，建立鐵礦石品質波動率的加權移動平均線，作為推斷即將到港檢驗的鐵礦石品質波動率的依據，據此來判斷該批次鐵礦石的品質波動屬“大”“中”“小”哪個類別。對于判定為品質波動率“大”的鐵礦石批次，則分配較多的份樣個數和份樣重量;對于判定為品質波動率“小”的鐵礦石批次，則分配較少的份樣個數和份樣重量。同時，對比鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率平均值，建立份樣個數和份樣重量的動態調整機制。因此，通過優化取樣機制，可以實現在不增加港口整體檢驗次數的前提下降低抽樣誤差，更好地整體把握港口卸載的鐵礦石品質。具體包括如下三個方面：

3.1 單批次鐵礦石品質波動率的綜合評價

鐵礦石的品質波動率評價，既需要考慮卸貨港取樣檢驗得到的品質波動率數據（顏色、粒度、含鐵量、有害元素），也需要考慮裝卸兩港品質檢驗偏差率數據。在檢驗實踐中，采用專家打分法來確定各項指標的權重，建立綜合評價模型，以最終確定該批次鐵礦石品質波動率的綜合評定值。

3.2 品質波動率的加權移動平均線

移動平均線（Moving Average，簡稱MA）是用統計分析的方法，將一定時期內的觀察值加以平均，并把不同時間的平均值連接起來，形成一根移動平均線，以觀察序列變動的趨勢。加權移動平均線是指在計算一段時間內觀察值的移動平均值時，對最近的觀察值賦予較大權重，對較早的觀察值賦予較小權重，并把不同時間的加權平均值連接起來，形成一根加權移動平均線。移動平均線是證券投資領域常用的技術指標之一。本文將移動平均線技術推廣應用于預測鐵礦石的品質波動率，對每家供應商建立鐵礦石品質波動率的移動平均線。考慮到最近批次鐵礦石品質波動率對未來到港鐵礦石品質波動評價的影響大，因此對最近批次鐵礦石品質波動率賦予較大的權重，對較早批次鐵礦石品質波動率賦予較小的權重，以構造鐵礦石品質波動率的加權移動平均線，據此來預測即將到港檢驗鐵礦石的品質波動率。根據推斷得到的即將到港鐵礦石的品質波動率大小來分配檢驗的份樣個數和份樣重量。

3.3 動態調整機制

基于粒度波動率可以實現在線實時檢測的有利條件，可以實時對比鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率平均值，建立份樣個數和份樣重量的動態調整機制：當鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率平均值偏差較大時，可以實時增加該批次鐵礦石檢驗的份樣個數和份樣重量，以更好地把握該批次鐵礦石品質波動情況;當鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率平均值沒有較大差異時，就按照加權移動平均線預測的波動率數據來確定份樣個數和份樣重量，不采取動態調整。

該取樣優化技術在寧波港口岸的進口鐵礦石檢驗實踐中加以應用，取得很好的效果，在不增加港口整體檢驗次數的前提下降低了抽樣誤差，可以更好地整體把握港口卸載的鐵礦石品質。

4 結束語

由于原礦環境、采礦工藝、混礦模式等各方面的差異，常常會導致鐵礦石品質的較大差異，直接關系到貿易風險和環境風險。不同于快速試驗以判斷鐵礦石品質波動大小的傳統方法，本文提出對每家供應商的歷史到港鐵礦石品質波動率數據和裝卸兩港品質偏差率數據進行統計分析，建立品質波動率的加權移動平均線，作為推斷即將到港檢驗鐵礦石品質波動率的依據，據此來判斷該批次鐵礦石的品質波動屬“大”“中”“小”哪個類別;然后根據判定的品質波動率大小來分配份樣個數和份樣重量;基于粒度波動率可以實現在線實時檢測的有利條件，對比鐵礦石粒度實時檢測數據和該供應商歷史到港鐵礦石的粒度波動率平均值，建立份樣個數和份樣重量的動態調整機制。

寧波港口岸進口鐵礦石檢驗實踐表明，該進口鐵礦石取樣優化技術可以實現在不增加港口整體檢驗次數的前提下降低抽樣誤差，以更好地整體把握港口卸載的鐵礦石品質，具有很大的經濟效益和社會效益。

參考文獻：

[1]ISO 3082-2009. Iron ores. Sampling and sample preparation procedures[S].

[2]GB/T 10322.1-2014.鐵礦石 取樣和制樣方法[S].

[3]應海松，李斐真，賀存君，等.基于BP神經網絡的鐵礦石取樣品位波動的校核[J].計算機與應用化學，2012，29（12）：1499-1502.

[4]劉四海，王飛軍，陶冶.進口鐵礦石裝卸兩港鐵含量檢測值差異統計分析[J].廣州化工，2013，41（24）：108-109.

[5]袁曉鷹.鐵礦取樣精密度的探討[J].現代礦業，2010（10）：120-122.

[6]張恒瑞，周山，陳剛.礦石自動采樣系統的應用[J].柳鋼科技，2014（2）：34-35.

[7]李雪蓮，王振新，陳穎娜，等.礦石卸載取樣新技術的LCA評價[J].港口科技，2015（12）：27-29.

[8]鐘瑩，蔡志群，王成云，等.進口鐵礦石中有毒有害元素對環境安全影響的研究[J].廣州化工，2006，34（3）：64-67，75.

[9]張鳥飛，陳雯，穆衛華，等.進口鐵礦石中有害元素的檢測與評價[J].現代礦業，2016（5）：86-87.