CN101006249B - 规划资源的提取和确定提取规划的净现值的方法和装置 - Google Patents

Abstract

披露一种规划矿藏内资源的提取的方法，包括获得有关资源的钻孔品位数据，并且创建多个不同的块模型，每个模型中的每个块具有资源品位，并且每个块模型兑现钻孔品位数据。基于边界品位策略来确定提取规划，以增加矿藏的预期净现值。边界品位策略可以是可变边界品位，并且使用可变边界品位的规划被从非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化提取规划和边界品位。

Description

规划资源的提取和确定提取规划的净现值的方法和装置

技术领域

本发明涉及一种用于规划(scheduling)资源的提取和确定提取规划的净现值(net present value)的方法和装置。典型地，所述资源是露天开采矿藏(opencut mine)中要开采的矿体(ore body)。

背景技术

典型地，资源的开采可能长达15-30年周期，一直到矿藏耗尽到进一步开采不再经济的地步为止。

矿藏开发和设计以及长期规划的处理是基于钻孔(drillhole)数据的空间内插(interpretation)的。因此，在要开采的区域上钻出钻孔，并获得关于资源品位(resource grade)的数据。钻孔通常是相隔合理距离钻出的，因为这个过程相对昂贵。创建要开采的区域的块模型，并且典型地，该块模型可以包含50000到1000000个块，它们要被规划在15-30年周期中开采。块是地中直角棱镜所包围的原料，并且可以包含空气(体积百分比严格小于100％)。块模型是不交叉的块的集合，这些不交叉的块通常(但并不一定)空间相连，并且至少包含开采企业中认为有经济价值的所有原料。规划过程的目标是找到能产生最大可能的净现值(NPV)、且遵守多个约束条件的块提取顺序。约束条件包括：

(a)地质坡度约束条件，它们由约束提取各个块的顺序的优先规则集合建模；

(b)开采约束条件，即，在一个时间周期(通常是1年)中可以开采的岩石的最大总量；

(c)加工约束条件，即，在一个时间周期中可以给定加工厂可以加工的矿石的最大量；

(d)以及市场约束条件，即，在一个时间周期中可以销售的金属的最大量；

(e)对于实际开采操作凸显的任何其他约束条件，包括但不限于凿井速度和可用矿石的最大极限。

规划是每个块的提取和每个块的目的(废料、储存或加工厂)的周期。

由钻孔数据建立的矿体模型是通过使用某种所谓的Kriging过程、由数据的空间内插而创建的确定性模型。这使模型中的每个块被分配资源品位(即，块中现有的资源量)。然后使用资源品位信息来确定开采操作的规划，还确定特定的块是送去加工来提取资源、送去作废料、还是储存起来供以后加工。

因为钻孔通常是相隔一定距离钻的，钻孔数据通常稀疏，因此这在确定性块模型中引入了固有误差。在某种程度上，这可以通过钻更多的孔、提供更多数据来克服。然而，如上面所述，钻钻孔成本昂贵，因此并不希望这样。

因此，传统的露天开采矿藏计划基于使用某种内插技术(如Kriging过程)建立的块模型，从而产生单个模型。该单个模型假定为对实际情况的真实表示，并且被用于开采设计和优化。设计处理包括三个主要的步骤：

(a)找出产生最佳净现值、同时满足地质坡度约束条件的块提取顺序；

(b)设计实践中可开采的矿藏阶段(所谓的推回(push back))，它们大致是基于最佳块顺序的；和

(c)优化开采规划和边界品位。

边界品位(cut-offgrade，COG)被定义为这样的阈值，使得具有比它高的品位的块被送到加工厂，而具有比它低的品位的块作为废料处理。它在矿藏的整个寿命期中可以是不变的，或者是可以变化的，即，这取决于提取的周期。

实践中，露天矿藏被分成逐级(bench)开采的多个采矿阶段，每个级用给定开采阶段中的块的水平层表示，并且具有相同的高度。开采阶段中的级有时候称为“板块(panel)”(块的一层或多层)。开采阶段可以从顶部到底部逐部开采。然而，这种规划通常是次优的。同时开采几个阶段并且应用可变的边界品位可以产生好得多的结果。市场上有若干可用的解决方案，宣称使用资源的单个块模型表示来优化规划和边界品位。然而，由于净现值的理论上限仍是未知的，因此难以估计它们的效果。

在许多工业应用中广泛使用的标准优化技术是线性和整数编程(例如，Padberg，2003)。然而，为了使该程序能令人满意地工作，将要解决的问题是必须被公式化为线性的。

发明内容

本发明的第一方面与规划资源的提取以提高净现值有关。

因此本发明在于一种规划媒介内的资源的提取的方法，包括步骤：

获得有关媒介内包含的资源的钻孔品位数据；

利用处理器创建多个不同的块模型，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

从多个块模型生成单个规划，用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床，以考虑到所有块模型增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块。

因此，通过使用多个不同的块模型，获得数量大得多的、媒介中资源存在的可能表示。这些表示中的每一个是等可能发生的，因为每个兑现被测量的钻孔品位数据。因此，通过使用所有这些可能性，可以获得媒介内实际资源分布的更准确表示，从而更好地指示块所表示的媒介区域是否应当送去加工。例如，如果特定周期中资源的边界品位是0.6％，则该方法能够看到特定块可能在某些实际情况下低于该边界品位(该情况下它被送作废料)，而在某些情况下高于该边界品位(该情况下它被加工)。通过使用所有模型，例如，通过对来自不同实际情况的不同块评估(加工或废弃)求平均，我们更准确地建模实际情况的加工。这是因为在提取的时候，可获得额外炮眼数据来允许块品位的更精确量化，从而在计算规划和贴现块评估中可以有利地开发在使用多个条件模拟中编码的选择性选项，从而最终获得每个块的净现值的更精确的确定。因此，与现有技术相比，获得给出包含资源和媒介的矿藏的增加和更精确的净现值的规划。

在本发明优选实施例中，所述多个不同块模型的创建是条件模拟技术，该技术提供多个等概率块模型实现的生成，所有模型兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合(aggregation)各块来减少每个块模型中的块数量。

块聚合的实例假设在每个品位空间(bin)中具有相同(homogeneous)的特性。

作为特定聚合成员的一个或多个块(其中每个块的品位属性落入定义的上限和下限中)的集合，称为品位空间。品位空间用于实际应用边界品位，即：高于边界品位的品位空间中的所有块被送到加工厂。

在本发明一个实施例中，所述边界品位是固定边界品位。然而，在本发明优选实施例中，所述边界品位是可变边界品位

在本发明优选实施例中，使用所述多个块模型提供资源品位和块评估的平均值，并且使用所述资源品位和块评估的平均值来产生规划的块提取和边界品位，以增加预期净现值。

在本发明优选实施例中，可以通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，同时优化所有条件模拟来用可变边界品位策略产生单个提取规划，并且其中，使用该规划评估所有条件模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

在优选实施例中，所述使用可变边界品位规划的步骤被从非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化提取规划和边界品位。

最好，所述规划由受到下列约束 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

本发明还在于一种规划媒介内的资源提取的装置，从该媒介中获得有关媒介内包含的资源的钻孔品位数据，该装置包括：

用于创建多个不同的块模型的处理器，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

用于从多个块模型生成单个规划用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床的处理器，以考虑到所有块模型增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块。

在本发明优选实施例中，所述处理器用于创建条件模拟，其提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

在本发明一个实施例中，所述处理器还用于在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明一个实施例中，其中所述边界品位是固定边界品位。然而，在本发明优选实施例中，所述边界品位是可变边界品位。

在本发明优选实施例中，所述处理器用于由所述多个模型提供资源品位和块评估的平均值，并且使用所述资源品位和块评估的平均值来产生规划的块提取和边界品位，以增加预期净现值。

在本发明一个实施例中，所述处理器用于通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所有条件模拟被同时优化来使用可变边界品位策略产生单个提取规划，并且其中，该规划被用来评估所有条件模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

在优选实施例中，所述处理器用于当使用可变边界品位时从非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化提取规划和边界品位。

最好，所述规划通过处理器由受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

本发明因此在于一种用于规划媒介内的资源提取的计算机程序，包括：

用于接收有关媒介内包含的资源的钻孔品位数据的代码；

用于创建多个不同的块模型的代码，每个块模型由多个块构成，每个模型中的每个块具有资源品位，每个块模型兑现钻孔品位数据；以及

用于基于边界品位策略来规划块的提取的代码，以考虑到所有块模型增加预期净现值。

在本发明优选实施例中，所述用于多个不同块模型的创建的代码是用于执行条件模拟技术的代码，该技术提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

在本发明一个实施例中，该程序还包括用于在规划提取步骤之前、通过聚合各块来减少每个块模型中的块数量的代码。

在本发明一个实施例中，所述边界品位是固定边界品位。然而，在本发明优选实施例中，所述边界品位是可变边界品位。

在本发明优选实施例中，所述用于规划的代码包括用于提供资源品位和块评估的平均值，并且使用所述资源品位和块评估的平均值来产生规划的块提取和边界品位，以增加预期净现值的代码。

在本发明一个实施例中，所述用于规划的代码还包括通过考虑由条件模拟产生的平均评估来优化块提取的代码。

然而，在本发明优选实施例中，所述用于规划的代码还包括一代码，其使用所有条件模拟同时优化来用可变边界品位策略产生单个提取规划，并且其中，使用该规划评估所有条件模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

在本发明优选实施例中，所述使用可变边界品位规划的代码从非线性表示转换成线性表示，并且还包括使用混合整数编程公式来同时优化提取规划和边界品位。

最好，所述用于规划的代码目标是受到下列约束的

$\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

本发明因此可以在于一种开采包括媒介内的资源的矿藏的方法，该方法包括：

使用通过下列步骤创建的提取规划，从矿藏中移除媒介和资源；

获得有关媒介内包含的资源的钻孔品位数据；

利用处理器创建多个不同的块模型，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

从多个块模型生成单个规划，用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床，以考虑到所有块模型增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块。

在本发明优选实施例中，所述多个不同块模型的创建是条件模拟技术，该技术提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明一个实施例中，所述边界品位是固定边界品位。然而，在本发明优选实施例中，所述边界品位是可变边界品位。

在本发明优选实施例中，所述多个块模型被用来提供资源品位和块评估的平均值，并且所述资源品位和块评估的平均值被用来产生规划的块提取和边界品位，以增加预期净现值。

在本发明一个实施例中，可以通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所有条件模拟被同时优化来使用可变边界品位策略产生单个提取规划，并且其中，使用该规划评估所有条件模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

在优选实施例中，所述使用可变边界品位规划的步骤被从非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化提取规划和边界品位。

最好，所述规划由受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

本发明因此可以在于一种确定包含媒介内的资源的矿藏的净现值的方法，该方法包括步骤：

获得有关媒介内包含的资源的钻孔品位数据；

创建多个不同的块模型，每个块模型由多个块构成，每个模型中的每个块具有资源品位，每个块模型兑现钻孔品位数据；以及

基于边界品位策略来规划块的提取，以考虑到所有块模型提供预期净现值。

在本发明优选实施例中，所述多个不同块模型的创建是条件模拟技术，该技术提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明一个实施例中，所述边界品位是可变边界品位。然而，在本发明优选实施例中，所述边界品位是可变边界品位。

在本发明优选实施例中，所述多个块模型被用来提供资源品位和块评估的平均值，并且所述资源品位和块评估的平均值被用来产生规划的块提取和边界品位，以增加预期净现值。

在本发明一个实施例中，通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所有条件模拟被同时优化来使用可变边界品位策略产生单个提取规划，并且其中，该规划被用来评估所有条件模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

在优选实施例中，所述使用可变边界品位规划的步骤被从非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化提取规划和边界品位。

最好，所述规划由受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

本发明的另一方面涉及减少处理信息的难度，以便提供提取规划和净现值估计。

根据另一方面，本发明可以在于一种规划媒介内包含的资源提取的方法，包括步骤：

获得有关媒介内包含的资源的钻孔品位数据；

利用处理器创建块模型，模型中的每个块具有指示各个块内包含的资源的资源品位；

从多个块模型生成单个规划，用于基于可变边界品位值从矿藏提取块从而从矿藏移开矿床，以增加预期净现值，所述可变边界品位值由非线性函数表示，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块；以及

将非线性表示转换成线性表示，并且使用混合整数编程公式来同时优化规划的提取和边界品位所提供的提取顺序。

因此，根据本发明这方面的方法由于将问题线性化而简化了处理，从而允许在优化中使用可变边界品位来代替固定边界品位值。

在本发明优选实施例中，通过产生多个有关非线性函数的阶值并且选择其中一个值，将非线性函数转换成多个线性值，以提供通过混合整数编程函数的边界品位判断。

在本发明一个实施例中，所述块模型是通过使用Kriging过程的数据的空间内插而建立的确定性模型。

然而，在本发明优选实施例中，所述块模型是产生多个不同块模型的条件模拟，其提供多个等概率块模型实现，所述块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的媒介中分布的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明优选实施例中，所述多个块模型被用来提供资源品位评估的平均值，并且所述资源品位评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

在本发明一个实施例中，可以通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所有条件模拟被优化来产生多个提取规划，每个提取规划具有评估，并且该评估被求平均来产生净现值，并且提取规划包括与给出该净现值的提取规划最接近的提取规划。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

最好，所述规划由受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

根据另一方面，本发明可以在于一种规划媒介内包含的资源提取的装置，包括：

用于接收有关媒介内包含的资源的钻孔品位数据的处理器；

用于创建块模型的处理器，模型中的每个块具有指示各个块内包含的资源的资源品位；

从多个块模型生成单个规划，用于基于可变边界品位值从矿藏提取块从而从矿藏移开矿床的处理器，以增加预期净现值，所述可变边界品位值由非线性函数表示，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块；以及

用于将非线性表示转换成线性表示的处理器，并且使用混合整数编程公式来同时优化规划的提取和边界品位策略所提供的提取顺序。

在本发明优选实施例中，所述处理器通过产生多个有关非线性函数的阶值并且选择其中一个值，将非线性函数转换成多个线性值，以提供通过混合整数编程函数的边界品位判断。

在本发明一个实施例中，所述块模型是通过使用Kriging过程的数据的空间内插而建立的确定性模型。

然而，在本发明优选实施例中，所述块模型是产生多个不同块模型的条件模拟，其提供多个等概率块模型实现，所述块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的媒介中分布的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明优选实施例中，所述处理器对所述多个块模型的资源品位评估求平均值，并且所述资源品位评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

在本发明一个实施例中，可以通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所述处理器优化所有条件模拟来产生多个提取规划，每个提取规划具有评估，并且该评估被求平均来产生净现值，并且提取规划包括与给出该净现值的提取规划最接近的提取规划。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

最好，所述规划由所述处理器通过受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

根据另一方面，本发明可以在于一种规划媒介内包含的资源的提取的计算机程序，包括步骤：

用于接收有关媒介内包含的资源的钻孔品位数据的代码；

用于创建块模型的代码，模型中的每个块具有资源品位；

用于基于可变边界品位值来规划块的提取的代码，以增加预期净现值，所述可变边界品位值由非线性函数表示；以及

用于将非线性表示转换成线性表示的代码，并且使用混合整数编程公式来同时优化规划的提取和边界品位策略所提供的提取顺序。

在本发明优选实施例中，通过产生多个有关非线性函数的阶值并且选择其中一个值，将非线性函数转换成多个线性值，以提供通过混合整数编程函数的边界品位判断。

在本发明一个实施例中，所述块模型是通过使用Kriging过程的数据的空间内插而建立的确定性模型。

然而，在本发明优选实施例中，所述块模型是产生多个不同块模型的条件模拟，其提供多个等概率块模型实现，所述块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的媒介中分布的资源的第一和第二顺序统计量。

在本发明一个实施例中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

在本发明优选实施例中，所述多个块模型被用来提供资源品位评估的平均值，并且所述资源品位评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

在本发明一个实施例中，通过考虑由条件模拟产生的平均评估来优化规划的块提取。

然而，在本发明优选实施例中，所有条件模拟被优化来产生多个提取规划，每个提取规划具有评估，并且该评估被求平均来产生净现值，并且提取规划包括与给出该净现值的提取规划最接近的提取规划。

在本发明优选实施例中，所述提取规划确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

最好，所述规划由受到下列约束的 $\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$ 确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt            (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

附图说明

将参照附图，通过示例描述本发明的实施例，其中：

图1是示出露天开采的矿藏的图，其中资源分布在块模型覆盖的媒介(如土壤和岩石中的矿体)中；

图2是示出COG相对于时间的曲线图；

图3是根据本发明一个实施例的框图；

图4是示出可变边界品位的非线性表示的曲线图；

图5是示出根据本发明实施例的净现值估计的框图；

图6A和6B是示出净现值的各种评估的图；

图7是示出用边际边界品位优化的开采规划的图；

图8是示出用边际边界品位优化的规划的净现值的图；

图9是示出用平均品位模型优化的开采规划的图；

图10是示出用平均品位模型优化的规划的净现值的图；

图11是示出用条件模拟的集合优化的开采规划的图；

图12是示出用条件模拟的集合优化的规划的净现值的图。

具体实施方式

参照图1，示出了露天开采的矿藏10，它包括诸如矿体之类的资源，资源分布在诸如土壤和岩石之类的媒介中。

露天开采的矿藏10要被开采较长的周期，如10-30年，因此本发明的优选实施例关注的是，通过将采矿阶段规划到矿藏10的最大净现值来优化矿藏的回报。

矿藏10最初是通过钻多个钻孔(用线11表示)、提供有关矿藏内包含的资源的数据来勘测的。该数据包括钻孔11的具体位置处的资源的品位。典型地，该数据将提供用百分比表示资源的品位的值，如0.1％、0.6％、1％等。

创建由多个块12构成的矿藏10的块模型。典型地，该块模型可以包括多达50万个块。

块12提供通过从钻孔11获得的数据的空间内插而建立的块的矿体模型。

典型地，希望尽快或尽早开采矿藏最有价值的部分。而且典型地，矿藏最有价值的部分往往深埋在地平面以下，这意味着在发掘到最有价值的矿床之前，需要移开大量的岩石和土壤。本发明的优选实施例因此意图优化开采规划，从而移开各个块表示的矿藏的区域以使尽快发掘最有价值的矿床。需要考虑先于这些块开采的块，来确定它们是否被送作废料、储存供以后加工、或者直接送去加工。通过内插每个块中的矿石的品位，可以在特定时间做出关于是否希望将开采的原料送去加工、或者直接加工不经济而仅仅需要将原料送作废料或储存供以后加工的判断。

为了确定一个块是否被送去加工、储存或者送作废料，建立边界品位值。例如，在特定时间的边界品位可以是0.6％。因此，任何具有高于0.6％的品位的块被送去加工。然而，如果品位低于0.6％，则做出关于该块是否被简单地送作废料或者是否被储存供以后加工的判断。图2是示出边界品位相对于时间的曲线图，并且显示在特定时间可能需要开采的三个块。例如，在时间T0开采的块12a可能具有这样一个品位，即，该品位在时间T0不适合加工，但在以后的时间T1将适合加工。因此，可以储存块12a以便在以后的时间T1进行加工。在T2开采的块12b具有的品位在时间T2适合加工，因此可以直接送去加工。块12c具有低于边界品位的品位，而且将来也不会有等于边界品位的品位，因此被送作废料。本发明的优选实施例针对矿藏优化的所有阶段，包括净现值最优块提取顺序、推回设计、以及同时的边界品位和开采规划优化。

本发明的一个实施例在图3中示出。参照该图，从钻孔11获得的数据被用来创建确定性块模型201，从而提供具有分配的品位值的块12。确定性块模块201是通过钻孔数据的空间内插、最好使用Kriging过程创建的。

可以通过在步骤302中块的聚合来减少块模型301的块数量。在我们的国际专利申请No.PCT/AU2003/001298和PCT/AU2003/001299中披露了块的聚合。这两个国际申请的内容通过引用并入本说明书中。

然而，本发明可以应用于空间相连并且不违背地质块提取优先约束条件的任何类型的聚合。

在步骤303中，基于可变的边界品位创建块移除规划，以最大化矿藏10的净现值。

可变边界品位的使用引入了重大的缺点，即，在其直接公式中使用可变边界品位来获得最大净现值的规划优化，这会导致非线性问题。这比起在公式中使用固定可变边界品位的情况中出现的线性问题或线性值来要难解得多。为了克服该缺点，本发明的优选实施例提供该问题的线性化，使得可以使用用于同时优化提取顺序和边界品位的混合整数编程公式。

图4是表示非线性边界品位15的曲线图，其是具有大于画出的品位的品位的块中的总吨数相对于品位的图。为了线性化该问题，如图4所示，函数15被划分成多个线性阶(用17表示)，每个提供离散的品位值，例如G1。品位值G1是使用用于同时优化提取顺序和边界品位的混合整数编程公式来选择的。

因此，这允许使用使矿藏净现值最大的可变边界品位来确定块移除的规划。因此，在任何特定时间都优化了采矿操作的回报。

图5是示出本发明的另一个实施例、也是本发明最优选的实施例的框图。在图5中，使用之前描述的数据来创建多个块模型，因为钻孔数据典型地过于稀疏，难以支持根据图3的实施例的唯一和确定性块模型。因此，参照图3产生的块模型匹配实际情况的似然性是不确定且可疑的。因此，更好的途径是使用通过条件模拟技术创建的多个块模型。条件模拟技术允许多个等概率块模型的生成，所有块模型兑现(honour)从钻孔11获得的钻孔数据以及分别由概率分布和变量图表示的矿体的第一和第二顺序统计量(例如，Isaaks和Srivastava，1989)。

再一次，可以用上述国际申请中提到的方式，通过聚合502来减少每个模型501中的块数量。根据上述国际申请中所述的算法形成的块聚合保留要求的坡度约束条件，并且非常灵活，允许用户充分控制聚合的大小和形状。根据本发明实施例的优化可以应用于具有优先规则集合的块的任何聚合，优先规则规定在特定给出块之前应当提取哪个块。

在步骤303，根据边界品位值创建块移除的规划503，以最大化矿藏的净现值。所使用的边界品位值可以是图5所示的固定边界品位值503a，或者是本发明最优选实施例中的可变边界品位值503b，它与参照图3所述的可变边界品位值相同。

多个块模型501的最简单、最直接的用法是通过评估通过每个条件模拟的实现从Kriged模型获得的最优规划，估计与矿体不确定性相关的设计净现值的变化率。这在图6A中示出，其中在步骤601中，产生例如10个条件模拟，并且直接求这10个条件模拟的平均值。

图3和5示意性示出处理器形式的装置，它可以是用于执行优选实施例的方法的个人计算机等。

图6A和6B是已知矿坑(pit)的评估的实际示例。

图6A示出本发明的优选实施例，它是给出矿藏的净现值的最佳估计的规划确定。在图6A中，值得注意的是优化使用图6A中表示的条件模拟中的所有10个模拟。

图6B示出仅使用平均品位、而不是所有10个模拟的优化，并且示出即使在稍后(而不是在加工的早期)使用10个条件模拟的评估的平均值，仍能获得增加的净现值。

在图6B中，术语E型表示条件模拟的平均值，等效于Kriged模型。这里，我们说明使用相同的提取和边界品位(COG)规划、$671M和$739M之间的差别。在下面这段说明中，认识到每个条件模拟是真实块品位的等可能表示是很重要的。

由于可以使用规定的COG单独地评估条件模拟，然后对它们的值求平均值，因此与在品位级的早期进行求平均的“平均”E型模型的情况相比，产生额外的值。将使用非常简单(不贴现)的单个块模型来说明这个。

单个块模型示例

使用下面的数据一平均值对应于E型块模型。这是仅具有三个条件模拟的单个块模型。

块质量(吨)	10,000
		块数量	1
条件模拟	3
		每个条件模拟中的品位(％Cu)	[0.04，0.06，0.11]
平均块品位(％Cu)[E型值]	0.07
		每个条件模拟中的Cu的吨数	[4，6，11]
Cu的平均块吨数[E型值]	7
		每吨Cu的收益($)	2,000
作为废料的块价值($)(0开采成本！)	0

在评估该块时，我们将使用边际(marginal)COG(加工成本＝收益)，并且观察由四种不同的加工成本表示的四种情况。边际COG这样计算：

(块吨数)*COG*(收益/吨)＝(块吨数)*(加工成本/吨)

COG＝(加工成本/吨)/(收益/吨)

1.COG小于所有条件模拟品位。COG＝0.03％Cu，等效于0.60$/吨的加工成本。

2.COG仅大于一个条件模拟品位。COG＝0.05％Cu，等效于1.00$/吨的加工成本。

3.COG大于两个条件模拟品位。COG＝0.08％Cu，等效于1.60$/吨的加工成本。

4.COG大于所有条件模拟品位。COG＝0.12％Cu，等效于2.40$/吨的加工成本。

将对每种情况执行块评估。

该示例证明，只要块的条件模拟品位被发现分布在COG的两侧，那么条件模拟的平均值的块评估就将大于平均品位(Kriged)模型的评估。

下面的观察结论可能是有用的：

●在情况2中，E型评估将负值有效赋予第一条件模拟，而当分别地评估条件模拟时，该实例被精确地赋予0值-其值是无用的。

●在情况3中，E型评估忽略条件模拟中的一个的值。

使用条件模拟的评估更切合实际，因为当开采块时，可以使用钻孔化验(blast hole assay)来确定实际块品位的近似估计。使用这种关于块品位的接近完美的信息，我们可以对关于是加工还是废弃块进行准确的评估。这等效于单独评估每个条件模拟，仿佛每一个都是实际情况那样。

因此，通过使用多个模拟来产生多个评估、然后对多个评估求平均以便产生净现值，获得比在首先对多个模拟求平均、然后将该平均值简单用来产生评估的情况下要高的期望净现值。

如前面提到的，本发明的优选实施例使用混合整数编程公式来包括多个条件模拟和可变边界品位。该途径允许估计所获得的解与理论上限之间的差距。为了说明这一点，将参照一种岩石类型包含一种金属类型、可以通过一个加工厂加工的简单情况，给出如何产生优化的示例，再一般化到多种岩石类型、金属和加工流程有些烦琐、而不是那么直接的情况。为了简单起见，我们下面仅考虑边界品位的离散集合可以将结果一般化到连续边界品位的情况。使用下面的符号：

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

s_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

MIP公式为：

$\mathrm{Maximise}\left(\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{V}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}{d}^t\right)---\left(1\right)$

受到下列约束：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it            (4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt           (8)

目标函数(1)表示贴现现金流(discounted cash flow)。约束条件(2)和(3)加强平均开采和加工限制。约束条件(4)-(6)加强板块提取顺序约束，并且约束条件(7)和(8)确保在任何给定时间周期中提取的所有板块应用相同COG。该MIP公式通过可商业购买的ILOG公司的软件包CPLEX版本9.0求解。

为了测试算法，我们选择了包含一种金属类型且使用一个加工厂的块模型的10个条件模拟。由于机密性要求，所有的经济参数都被重新调整，并不代表真实情况。然而，证明新方法的潜力的所有的相关特性不受到重新调整的影响。使用Lersch-Grossmann算法(Lersch和Grossmann，1965)、和类似于Whittle Four-X软件中使用的过程，选择设计的最终矿坑。最终矿坑包含191百万吨岩石和62.9±2.7百万吨矿石(高于边际COG＝0.6％)。最终矿坑中的未贴现价值(如果用边际COG加工的话)是$(1316±99)百万。它被分成6个开采阶段，并且被规划12年。开采速度设为30MT/年，并且加工速度为5MT/年。创办资本投资假设是$300百万，并且贴现率为10％。使用边际COG进行基本情况优化，并且产生贴现现金流$(704±31)百万，并且NPV为$(404±31)百万。开采规划和NPV分别如图7和8所示。第二优化是使用可变COG进行的，但基于均值品位块模型，即，它与通过使用一个确定性模型产生的类似。然后针对矿体模型的所有10个实现进行评估，并且产生NPV＝$(485±40)百万，比基本情况增加20％。结果如图9和10所示。使用上述算法进行第三优化，并且产生NPV＝$(505±43)百万，比基于均值品位优化的情况进一步增加4.1％。结果如图11和12所示。NPV在所有情况中的相对变化率大致相同，大约8％。可变COG策略的另一个重要结果是投资回收期(这里定义为累积NPV等于0的时间)从5年减少为3年。

NPV 4.1％的增加看起来也许并不很显著，但应当提到的是，所考虑的块模型没有高的变化率。最终矿坑的未贴现值的相对变化仅为7.6％。存在许多矿床，可能具有20-30％量级的变化率。对于这种矿床，预期NPV的潜在提高可能非常高。

因此，根据本发明的优选实施例，可以确定提取次序和边界品位策略，当通过整个条件模拟的矿体集合评估时，将产生最佳的可能预期净现值。与现有技术相反，可以精确地估计该优化规划的准确程度。

在下面的权利要求数以及本发明的前面描述中，除了由于语言表达或必要的暗示而上下文要求的情况，否则词“包括”是以广义使用的，即，指示所述特征的存在，但并不排除本发明各个实施例中其他特征的存在或附加。

应当理解，这里引用的现有技术的公开并不等于承认该公开在澳大利亚或任何其他国家构成本领域公知常识的一部分。

由于本领域技术人员可以容易地实现本发明宗旨和范围内的修改，因此应当理解，本发明不限于上面通过示例描述的特定实施例。

Claims (23)

1.一种规划媒介内的资源的提取的方法，包括步骤：

获得有关媒介内包含的资源的钻孔品位数据；

利用处理器创建多个不同的块模型，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

从多个块模型生成单个规划，用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床，以考虑到所有块模型来增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块，

其中，所述规划由受到下列约束的

(1)确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it(4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COG j开采时，模拟n、板块i中的总矿石；

是当用COGj开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

S_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COGj提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

2.如权利要求1所述的方法，其中，所述多个不同块模型的创建是条件模拟技术，该技术提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

3.如权利要求1所述的方法，其中，在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

4.如权利要求1所述的方法，其中，所述边界品位是可变边界品位。

5.如权利要求1所述的方法，其中，所述多个块模型被用来提供资源品位和块评估的平均值，并且所述资源品位和块评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

6.如权利要求1所述的方法，其中，所述从多个块模型生成单个规划用于从矿藏提取块是通过考虑由条件模拟产生的平均评估来优化的。

7.如权利要求1所述的方法，其中，所有模拟被同时优化以使用可变边界品位策略来产生单个提取规划，并且其中，使用该规划来评估所有模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

8.如权利要求1所述的方法，其中，所述从多个块模型生成单个规划用于从矿藏提取块确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

9.一种规划媒介内的资源的提取的装置，从该媒介中获得有关媒介内包含的资源的钻孔品位数据，该装置包括：

用于创建多个不同的块模型的处理器，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

用于从多个块模型生成单个规划用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床的处理器，以考虑到所有块模型来增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块，

其中，所述规划通过处理器由受到下列约束的

(1)确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it(4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt    (8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COG j开采时，模拟n、板块i中的总矿石；

是当用COG j开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

S_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COG j提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

10.如权利要求9所述的装置，其中，所述处理器用于创建条件模拟，其提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

11.如权利要求9所述的装置，其中，所述处理器还用于在规划提取步骤之前通过聚合各块来减少每个块模型中的块数量。

12.如权利要求9所述的装置，其中所述边界品位是可变边界品位。

13.如权利要求9所述的装置，其中，所述处理器用于从所述多个模型提供资源品位和块评估的平均值，并且所述资源品位和块评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

14.如权利要求9所述的装置，其中，所述处理器用于规划通过考虑由条件模拟产生的平均评估而优化的块提取。

15.如权利要求9所述的装置，其中，所有模拟被同时优化以使用可变边界品位策略来产生单个提取规划，并且其中，使用该规划评估所有模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

16.如权利要求9所述的装置，其中，所述从多个块模型生成单个规划用于从矿藏提取块确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

17.一种开采包括媒介内的资源的矿藏的方法，该方法包括：

使用通过下列步骤创建的提取规划，从矿藏中移除媒介和资源；

获得有关媒介内包含的资源的钻孔品位数据；

利用处理器创建多个不同的块模型，每个块模型由多个块构成，每个模型中的每个块具有指示各个块内包含的资源的资源品位，每个块模型兑现钻孔品位数据；以及

从多个块模型生成单个规划，用于基于边界品位策略从矿藏提取块从而从矿藏移开矿床，以考虑到所有块模型来增加预期净现值，从多个块模型生成规划也是依据优先规则，该优先规则规定在特定块之前应当提取哪个块，其中，所述规划由受到下列约束的

(1)确定：

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{R}_i^n{x}_{\mathrm{ijt}}\≤R_t^0---\left(2\right)$

对于所有t， $\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{Q}_{\mathrm{ij}}^n{x}_{\mathrm{ijt}}\≤Q_t^0---\left(3\right)$

对于所有i和t，y_i，t-1≤y_it(4)

对于所有i， $\underset{\mathrm{\τ}=1}{\overset{t}{\mathrm{\Σ}}}\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{x}_{\mathrm{ij\τ}}\≤y_{\mathrm{it}}---\left(5\right)$

对于所有i，t和 $k\⋐S_i,$ $y_{\mathrm{it}}\≤\underset{j=1}{\overset{G}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{x}_{\mathrm{kj\τ}}---\left(6\right)$

对于所有t， $\underset{j=1}{\overset{G}{\mathrm{\Σ}}}{\mathrm{\δ}}_{\mathrm{jt}}=1---\left(7\right)$

对于所有i，j和t，x_ijt≤δ_jt(8)

其中，

T是规划周期的数量；

N是模拟数量；

P是板块的总数；

G是所有可能的边界品位数；

是在模拟n、板块i中的总岩石。

是当用COGj开采时，模拟n、板块i中的总矿石；

是当用COG j开采和加工时，模拟n、板块i的值；

是在周期t中的最大开采容量；

是在周期t中的最大加工速度；

S_i是在开始板块i之前必须移除的板块集合；

d^t是时间贴现因子；

x_ijt是在周期t中用COG j提取的板块i的分数；

y_it是二进制变量，如果在周期1到t中开始了板块i的提取则等于1，否则等于0；

δ_jt是二进制变量，控制在周期t中应用的COG的选择。

18.如权利要求17所述的方法，其中，所述多个不同块模型的创建是条件模拟技术，该技术提供多个等概率块模型实现的生成，所有块模型实现兑现所述数据以及分别由概率分布函数和变量图表示的资源的第一和第二顺序统计量。

19.如权利要求17所述的方法，其中在规划提取步骤之前，通过聚合各块来减少每个块模型中的块数量。

20.如权利要求17所述的方法，其中，所述多个块模型被用来提供资源品位和块评估的平均值，并且所述资源品位和块评估的平均值被用来产生规划的块提取和边界品位值，以增加预期净现值。

21.如权利要求17所述的方法，其中，通过考虑由条件模拟产生的平均评估来优化规划的块提取。

22.如权利要求17所述的方法，其中，所有模拟被同时优化以使用可变边界品位策略来产生单个提取规划，并且其中，使用该规划评估所有模拟，并且对评估求平均值来产生预期的净现值，该净现值比通过优化平均品位块模型获得的净现值本质上要好。

23.如权利要求17所述的方法，其中，所述从多个块模型生成单个规划用于从矿藏提取块确定对应于每个块的资源和媒介是否被送去加工、送作废料或者储存供以后加工。

Images