[发明专利]矿山地质环境评价方法

摘要

本发明涉及一种新的矿山地质环境评价体系，基于本评价体系建立矿山地质环境评价方法，可使政府部门的管理人员采用科学的评价方法对矿山地质环境进行评价。该发明包括下述步骤：首先构建矿山地质环境评价体系；然后基于本评价体系建立矿山地质环境评价函数；最后对评价函数进行校验，将函数中的相关参数调整到最优，确立最终的评价方法。本发明构建的矿山地质环境评价体系，解决了已有评价体系不完整，评价因子划分不详细的缺点。将该评价方法运用到矿山地质环境评价中，解决了传统评价方法受人为因素干扰的缺陷。本发明实现了对矿山地质环境的科学评价，评价结果为日后的恢复治理工作提供决策支持。

主权项

1.一种矿山地质环境评价方法，其特征在于包括下述步骤：步骤一、建立矿山地质环境评价体系；设矿山地质环境评价体系包含n0个要素，每个要素对应一组指标，共包含m0个指标，各组指标内的每个指标按其分级标准对应一个分数；步骤二、根据矿山报告和调查结果对评价体系中的各个指标在0到S之间进行打分，将各指标对应的得分记为：x(B1)、x(B2)...、x(Bsi)、...x(Bm0)；步骤三、在0到S之间划分三个区间，第一个区间记为[0,S1]，第二个区间记为(S1,S2]，第三个区间记为(S2,S3]，S3＝S；步骤四、将x(B1)、x(B2)...、x(Bsi)、...x(Bm0)带入到公式(1)中进行计算；式中，l,r,t仅作为标记使用，si＝1,2,…,m0；步骤五、每个指标按步骤四计算后得到一个μ_si，将同一要素所对应指标的μ_si相加得到该要素的分级倾向度μ_sz，记为μ_sz＝al+br+ct，sz＝1,2,…,n₀；比较μ_sz中a,b,c的大小，将最大值乘以区间系数并将得数赋给相对应的要素，得到该要素的分值x(A_sz)，sz＝1,2,…,n₀；其中a值最大时对应的区间系数为b值最大时对应的区间系数为3，c值最大时对应的区间系数为13；因此各要素对应的分值为：x(A₁)、x(A₂)...、x(A_sz)、...x(A_n0)，将x(A₁)、x(A₂)...、x(A_sz)、...x(A_n0)按顺序组合成一维向量，记为：x(A)＝(x(A₁),x(A₂),…x(A_n0))；步骤六、将一维向量x(A)代入公式(2)中，得到表示矿山地质环境受采矿活动影响程度的评价结果：其中sgn为符号函数，f(x)为表示矿山地质环境受采矿活动影响程度的评价结果，分为3级，f(x)＝1代表轻度，f(x)＝2代表中度，f(x)＝3代表重度；α为Lagrange乘子，α^*为α的最优解，d_i为训练样本，D_i为d_i对应的分段训练样本；S(d_i,x(A))是将非线性问题转化为线性问题的函数；b^*为最优偏置；上述步骤中的b*，d_i，D_i和S(d_i,x(A))的获得方法如下：1)生成N组原始随机样本，每组原始随机样本由m0个大于0小于S的数组成，700≤N≤1100，其中n组作为原始训练样本，m组作为原始验证样本，500≤n≤700，200≤m≤400；2)按照与要素分值计算方法相同的步骤，得到第i组训练样本对应的n0个分级倾向度μxz‑i和第i组验证样本对应的n0个分级倾向度μXz‑i、第i组训练样本对应的n0个分值x(Axz‑i)和第i组验证样本对应的n0个分值x(AXz‑i)，从而得到n组训练样本的一维向量di和m组验证样本的一维向量d′i；对于训练样本，i＝1,2，……n；对于验证样本，i＝1,2，……m；3)比较2)计算得出的第i组训练样本对应的分级倾向度μxz‑i中a,b,c的大小，xz＝1,2,…,n0；每组训练样本中包含n0个μxz‑i，共比较n0次；对于第i组训练样本来说，如a最大时次数最多，则与该组训练样本di对应的分段训练样本Di＝1，如b最大时次数最多，则与该组训练样本di对应的分段训练样本Di＝2，如c最大时次数最多，则与该组训练样本di对应的分段训练样本Di＝3，共得出n组Di；比较2)计算得出的第i组验证样本对应的分级倾向度μXz‑i中a,b,c的大小，Xz＝1,2,…,n0；每组验证样本中包含n0个μXz‑i，共比较n0次；对于第i组验证样本来说，如a最大时次数最多，则与该组验证样本d′i对应的分段验证样本D′i＝1，如b最大时次数最多，则与该组验证样本d′i对应的分段验证样本 D′i＝2，如c最大时次数最多，则与该组验证样本d′i对应的分段验证样本D′i＝3，共得出m组D′i；4)在符合2‑10≤s≤210条件下任选取s值，将s代入式(3)初步确定函数S(di,dj)；S(di,dj)＝0.5exp[‑s||di‑dj||2]+0.5(di·dj),i＝1,2,…,n,j＝1,2,…,n   (3)5)将步骤4)得到的函数S(di,dj)代入式(4)，并利用约束条件，初步确定Lagrange乘子α，α＝(α1，α2,...,αn)；约束条件：其中max Q(α)为的最大值，在符合2^‑10≤k≤2¹⁰条件下任选取k值；6)将步骤5)得到的Lagrange乘子α代入式(5)得到权向量w；7)将Lagrange乘子α、权向量w代入式(6)得到偏置b；αi(Di(w·di+b)‑1)＝0(i＝1,2,…,n)    (6)8)利用式(7)对评价函数进行校验；式中S(di,d′j)＝0.5exp[‑s||di‑d′j||2]+0.5(di·d′j),i＝1,2,…,n；j＝1,2,…,m，将fq(x)与验证样本d′j对应的分段验证样本D′j进行对比，q＝1,2,…m，如重合率达到90％以上，则将此时的α、s、b分别作为α的最优解α*、s的最优解s*、b的最优解b*；若重合率低于90％，将按步骤9)和步骤10)调整s和k的取值；9)对s进行重新选取，将更新后的数值带入到公式(3)中，然后从步骤4)到步骤8)依次重新计算；如重合率仍然低于90％，则进行步骤10)；10)对k进行重新选取，将更新后k的数值带入约束条件中，然后从步骤5)到步骤8)依次重新计算；如重合率仍然低于90％，则进行步骤9)。