矿业工程软件与技术

数字矿山的概念、内容、框架？答：概念：“数字化矿山”（DigitalMine）或简化/简称为“数字矿山”，是对真实矿山整体及其相关现象的统一认识与数字化再现，是一个“硅质矿山”，是数字矿区和数字煤矿的一个重要组成部分。数字矿山的核心是在统一的时间坐标和空间框架下，科学合理地组织各类矿山信息，将海量异质的矿山信息资源进行全面、高效和有序的管理和整合。内容：数字矿山包括六大类系统：数据获取与管理系统、数字开采系统、矿区地理信息系统、选矿数字监控系统、管理系统、决策支持系统。其中数字开采系统是核心系统，也是效率和效益的主要创造者。数字矿山是在矿业信息数据仓库的基础上，充分利用现代空间分析、数据采矿、知识挖掘、虚拟现实、可视化、网络、多媒体和科学计算技术，为矿产资源评估、矿山规划、开拓设计、生产安全和决策管理进行模拟、仿真和过程分析提供新的技术平台和强大工具。它是建立在数字化、信息化、虚拟化、智能化、集成化基础上的，由计算机网络管理的管控一体化系统，它综合考虑生产、经营、管理、环境、资源、安全和效益等各种因素，使企业实现整体协调优化，在保障企业可持续发展的前提下，达到提高其整体效益、市场竞争力和适应能力的目的。数字矿山的最终目标是实现矿山的综合自动化。框架：数字矿山自下而上可分为以下七个主层次:（1）基础数据层。即数据获取与存储层。数据获取包括利用各种技术手段获取各种形式的数据及其预处理；数据存储包括各类数据库、数据文件、图形文件库等。该层为后续各层提供部分或全部输入数据。（2）模型层。即表述层。如空间和矿物属性的三维和二维块状模型、矿区地质模型、采场模型、地理信息系统模型、虚拟现实动化模型等。该层不仅将数据加工为直观、形象的表述形式，而且为优化、模拟与设计提供输入。（3）模拟与优化层。如工艺流程模拟、参数优化、设计与计划方案优化等。（4）设计层。即计算机辅助设计层。该层为把优化解转化为可执行方案或直接进行方案设计提供手段。（5）执行与控制层。如自动调度、流程参数自动监测与控制、远程操作等。该层是生产方案的执行者。（6）管理层。包括MIS与办公自动化。（7）决策支持层。依据各种信息和以上各层提供的数据加工成果，进行相关分析与预测，为决策者提供各个层次的决策支持。现代矿业系统工程的特点和发展方向？答：特点：现代矿业系统工程是根据采矿工程内在规律和基本原理，以系统论和现代数学方法，研究和解决采矿工程综合优化问题的采矿工程学科分支，这也是适应采矿系统工程发展需要而新起的一门新学科。首先，由于采矿工程涉及面广、作业点分散、影响因素多，需要从总体上进行全面协调，这就需要借助系统工程来发挥；其次，采矿过程涉及许多学科，以往有脱节的现象。通过与系统工程结合发展，研究学科之间的相互渗透和交叉，出现安全系统工程、边坡系统工程、地质统计学等边缘学科；再次，采矿工程是一门古老的技术，常常依赖于经验判断而不是精密计算。通过采矿系统工程引入各种现代数字和计算机技术，可以将许多定性分析转化为定量决策，大大提高了采矿工程的科学性，使其发展成为一门利用现代高科与系统工程结合优化的新型学科，这也为我国采矿工程带来新的活力和发展。发展方向：1） 多种研究方法的综合应用从采矿系统工程的角度看，采矿系统是一个多目标、多因数、多变量、随机性因数影响很强、生产对象和作业环境变化很大、多种技术互相作用下的复杂动态系统。单独应用系统工程研究的某一种方法，效果往往不理想，这就需要采用综合性研究方法，以解决综合性课题，这也正反映了现代系统工程的特点。2） 多项内容的综合分析决策采矿系统工程在系统结构上普遍具有多层次、多环节，和各子系统之间的关系比较复杂，还由于不同地区的矿山所开采的矿产资源条件不同，而造成同项内容的系统各异性。在处理和解决某一问题时，往往涉及的内容多和互相影响大，所以需要并且正在朝着多项内容综合分析决策的方向发展。3） 计算机应用与可视化功能的密切结合不但采矿系统工程决策的结果，需要体现在工程设计图上，而且醒目的图象显示，将成为交互式工程设计的有效手段。随着计算机的飞速发展，将更多在计算机上实现二维和三维实体图象显示和输出。动画显示与VR（虚拟现实）技术得到广泛的应用。4） 严格优化技术正向实用要求逼近在采矿系统工程的早期，人们利用运筹学得出采矿问题的最优解，然而它们常常偏离采矿的工艺技术要求。CAD技术的出现，又促使人们将传统的设计方法转用计算机实现，但却忽视了优化的目标。目前的趋势是，在人一机的交互作用下实现决策的优化，并尽可能提高作业的自动化程度。5）采矿系统工程理论与采矿工程实践将进一步结合采矿工程的实践，推动着采矿系统工程研究方法的发展。今后，随着采矿实践的发展需要，兼收严格优化方法的优化功能与非严格优化方法的灵活使用性（如人机交互功能、用户友好界面），将会是一种发展趋势。许多理论研究成果正在向矿山企业的实际应用转移，使用性强的项目推广，反过来也能推动该理论的发6） 新兴学科及边缘学科在采矿工程中的应用将迅速发展采矿工程学科也不断从其他学科的发展吸取营养。一些新兴学科、边缘交叉学科理论或技术，其迅速发展也越来越明显，如人工智能、地理信息系统、虚拟现实技术和计算机网络技术。可以预见，这些新兴领域将迅速发展，并与传统领域逐渐融合交叉，使采矿系统工程出现新的面貌。7） 多学科的联合研究随着系统研究对象的不断发展，跨学科的研究工作已经成为客观发展的必然趋势。例如在地质勘探及建模方面，地质学理论、各种物探方法（如地震、重力和电磁等）、计算机模拟技术、数字处理及图象自动生成技术等正在联合起来。又如矿业环境及安全工程方面，自动化与机器人应用、遥感技术（RS）、三维图象处理等已有密切结合；全球定位技术（GPS）、地理信息系统（GIS）等技术，也在迅速推广应用之中。在矿山生产监测工作中，多媒体技术有望与成套监测仪器设备及数字处理技术结合起来，形成综合实时监测系统。3S系统集成技术在采矿系统中的研究与应用，也是一种新趋势。3.Surpac软件的基本用途和主要功能？答：SURPAC软件是GEMCOM（金康）国际矿业软件公司推出的一款全面集成地质勘探信息管理、矿体资源模型建立、矿山生产规划及设计、矿山测量及工程量验算、生产进度计划编制等功能的大型三维数字化矿山软件。它是地质、采矿、测量和生产管理的共享信息平台；兼容多种流行的数据库和数据格式；提供简单易学、功能强大的二次开发函数库。在地勘领域主要功能：建立地质数据库及管理、矿体及构造模型、储量资源量估算、生成地质图件等；在矿山领域主要功能：露天境界优化、露天采矿设计、露天爆破设计、采矿生产进度计划、地下采矿设计、中深孔爆破等；在测量方面主要功能：地表测量、地下测量、形成测量数据库和工程量验收。具体有：1、强大的地质勘察数据和矿体资源模型三维显示和编辑功能。2、 基于点的信息记录方式，可以在每个点上添加描述字段，用来记录描述性信息。3、 独特的线分类方式，每一个线段或点都有两级编号组成的线段ID，可以通过这个ID，对线上的坐标、描述信息及显示隐藏、运算、显示打印样式设置等进行批量操作。4、 拥有多种测量仪器接口，可以将多种测量仪器产生的数据导入Surpac中。5、 特有的三角网化工具等命令，大大降低了建立复制矿体模型或其它面模型的工作量。6、 强大的地质数据库自定义功能及管理工具，可以记录各种勘探信息及样品信息；可以方便地根据各种条件约束进行查询、显示、统计、组合等。7、 面模型功能可以建立矿体、坑道、断层、地表等dtm模型，可以方便地做统计及各个方向的剖切。8、 块体模型功能可以自定义各种类型属性，用以记录地质或生产信息，方便地统计各种类型的信息。9、 中深孔爆破设计：在给定爆破参数之后，可以快速生成各个炮排炮孔，并生成爆破图件。10、露天采矿设计：根据境界优化结果，方便地设计最终露天境界。11、露天爆破设计：指定孔距、排距等参数，自动生成炮孔，并自动生成起爆网络。12、生产计划（Minesched）：基于Surpac的一个模块，可以在指定生产参数（出矿品位、剥采比等）以后，根据块体模型中的地质信息，快速生成最优生产计划。Matlab软件的基本功能及应用领域，举例说明？答：基本功能：MATLAB是主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言的编辑模式，代表了当今国际科学计算软件的先进水平。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等。MATLAB的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。在本专业，可用于采矿巷道有限元matlab仿真。具体过程：1首先进行有限元分析，步骤为：1）结构的离散化。2）选择位移模式。3）分析单元的力学特性。4）集合所有单元的平衡方程，建立整个结构的平衡方程：5）求解未知结点位移和计算单元应力，由集合起来的平衡方程解出未知位移。6）利用已求得的结点位移计算各单元的应力，并加以整理得出所要的结果。2查询围岩的有关参数：泊松比、弹模、容重等，根据地质地形条件，画出结构荷载与开挖尺寸示意图。3MATLAB编程模拟MATLAB编程相关函数1） 主函数：[AGM_AP?DT:ST]=山必n（NLN> \DF】NDKtEO,LO,t,Gam,NP,PJ）;2） 于函数：单元刚度矩阵:[KE:S]=ESM(NOEtNGN,CN,EO,L0?t)：[总体刚度矩阵：GSM=ZKG(NE.NN?NGN?CN.NB^\E0:LQi);调整刚度矩阵：[AGH,AP]=ADCM(NE,NN,"NBW,NDF,\DK.EO,LO,t,Gam,NP.PJ)；求解位移矩阵:DT=SolverfAGM,AP,NBWtNN):求解应力矩阵：ST=Stg(NGN,CM,EO,LQL,NE.NN:DT).4求解，进行应力位移分析。简述模糊数学方法的基本思想和模糊综合评判法的基本步骤。答：模糊数学就是用数学方法研究模糊现象。其基本思想是用属于程度代替属于或不属于。例如：某个人属于秃子的程度为0.8,另一个人属于秃子的程度为0物,模糊综合评价法若一种基于模糊数学的综合评标方法勺该综evftr法根据模糊数学的隶屈.度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价.它具有结果沾晰，系统性强的特点，能较好地解决模糊的，难以量化的问题，适合各种非确定性问题的解决.步骤：1、确定评价对象的因素论域p个评价指柄= ■%}*2,确定评语等级论域v={v*……％}即等级集合'每-个等级可对应一个模糊子集.

3、建立模糊关系矩阵*：* 在构造了等级模糊于集后』要逐个对被评事物从每个因素曜（『=璀……5）上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度（昭心，进而得到模糊关系矩阵44、确定评价因素的权向量在模概综合评价中，确定评价因素的矿向量权向量在模概综合评价中，确定评价因素的矿向量权向量A中的元素件本质上是因素纯对模糊r｛对被计％•物诉安的因素）［|（5隶属度口木文使用层次分析法来确定评价指标间的相对重要性次序，从而确定权系数，并且在合成之前归一化.即2可二】弓A0r=ii—1,2, ,nMs、合成模糊综合评价结果向量* 利用合适的鼻子将A与各被评事物的B进行合成,得到各被评事物的模糊综合评价结果向量B即他）二8等级模糊丁集的见帷林曳.H中"是由与起的第了列运算得到的，它表示被评事物从整体」叩％等级模糊丁集的见帷林曳.6、对模糊综合评价结果向量进行分析*实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多,甚至得出不合理的评价结果口提出使用加权平均求隶属等级的方法，对于多个被评事物并可以付世其等级位首进行排序。6.简述用灰色关联分析法优选采矿方法的基本思路和步骤。答：采矿方法选择的影响因素繁多，传统方法往往只是根据一两个指标就确定最佳方案，具有很大的主观性。特别是矿床开采的技术条件较复杂时，供选择的采矿方法在技术经济条件差异不是很明显条件下，传统的选择方法无法实现优选。将灰色关联分析法应用于采矿方法优选中，只需准备有限的技术经济指标，而且能够解决工作量大、片面性等传统选择方法的技术问题，从而得出全面的整体的分析结果。基本思路：灰色系统理论认为任何随机过程都是在一定幅值范围、一定时区内变化。通过原始数据的整理来寻找数的规律，即叫数的生成，这是一种就数找数的现实规律的途径。尽管客观系统表象复杂，数据离乱，但灰色系统认为，客观系统必然潜藏着某种内在规律。关键在于要用适当方式去挖掘它，然后利用它。作为一个发展变化的灰色系统，关联度分析事实上是动态过程发展态势的量化分析，也是发展态势的量化比较分析。关联度是指2个系统或2个因素间关联性大小的量度。它描述了系统发展过程中相对变化的情况，如果两者在相对变化上基本一致，则认为两者关联度大；反之，则关联度小。步骤：收集关联数据(包括量化和半量化指标)进行白化处理；对白化处理后的原始数据做数据变换，其方法有初值化处理、均值化处理、区间值化处理和归一化处理；⑶求差序列A岫T斯*)幻Ii=1,2,k=1,2,…；A苹=maxmaxIx^k）-%（幻I,i*A讪=minminIg（k）-葩以）I;tk(5)对每个指标求关联系数*=',J5少6 +03;(6)计算每个方案数列(一组指标)的关联度-N(7)根据关联度的大小排序，其中关联度最大方案的指标数列与参考数列最为相似，其方案为最R*~max{riIj二1,2,…gI*举例说明神经网络方法在矿业中的应用。答:下面以巷道围岩移近量神经元网络预报模型说明神经网络方法在矿业中的应用。巷道图岩移近量的弗报问题是一个非常复杂的问题,它受制于围岩性质、开采深度、支护阻力、巷ifi断面等众多影响因素。这是一个典型的复杂非线性系统问题,用传统的回归分析方法所建模型误差很大,甚至难以建模•神轻元网络为解决这一问II提供了新的途径•巷道国岩移近量神经元网络预报模型的建立过程介绍如下°L神鲤元网蛤原理荷介人工神经元网络是一门新兴的交叉学科，由于其在复杂的非线性系统中对数据的建好拟合能力和较高的建模能力，受到各国学者的极大关注°神经元网络有许多种模型，其中最具有代表性的是8P网络,以下筒要介绍其原理。如图所示为一觐型的三层网络，包括撕入层、隐食层和输出层。网络执行两个过程，学习过程和预测过程，BP网缗示意图(1)学习过程BP网缗示意图网络任选一组神经元间的联结极重的阚值“对于每实精出房例的学习分两步，即前陶传涕和后向传递， 隘含层这个校正的过程