截止品位与入选品位智能优化的理论与方法研究
| 作者简介 | 第1-7页 |
| 摘要 | 第7-10页 |
| ABSTRACT | 第10-17页 |
| 第一章 绪论 | 第17-29页 |
| ·课题来源、目的和意义 | 第17页 |
| ·品位优化研究现状 | 第17-26页 |
| ·无底柱分段崩落采矿法 | 第18页 |
| ·矿石品位与截止品位 | 第18-21页 |
| ·入选品位与选矿 | 第21-22页 |
| ·品位优化方法 | 第22-24页 |
| ·品位研究的国内外现状 | 第24-26页 |
| ·论文框架及主要内容 | 第26-27页 |
| ·主要创新点 | 第27-29页 |
| 第二章 智能优化方法 | 第29-49页 |
| ·神经网络 | 第29-33页 |
| ·神经网络的基本理论 | 第30-31页 |
| ·神经网络的基本特征 | 第31页 |
| ·神经网络的主要功能 | 第31-32页 |
| ·神经网络的应用领域 | 第32-33页 |
| ·模糊系统 | 第33-35页 |
| ·模糊逻辑系统的分类 | 第33-35页 |
| ·基本定理 | 第35页 |
| ·遗传算法 | 第35-42页 |
| ·编码方式 | 第37-38页 |
| ·遗传操作 | 第38-41页 |
| ·适应度的构造 | 第41-42页 |
| ·粒子群算法 | 第42-45页 |
| ·算法原理 | 第42页 |
| ·算法流程 | 第42-43页 |
| ·算法参数 | 第43-45页 |
| ·PSO算法的应用 | 第45页 |
| ·模拟退火算法 | 第45-48页 |
| ·算法的构成要素 | 第45-46页 |
| ·算法步骤与流程 | 第46-48页 |
| ·智能优化在矿业工程中的应用 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第三章 截止品位数值模拟及损失率函数的建立 | 第49-58页 |
| ·伪随机数的产生 | 第49-50页 |
| ·截止品位数值模拟 | 第50-54页 |
| ·损失率函数的建立 | 第54-57页 |
| ·非线性参数估计 | 第54-56页 |
| ·算法实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 截止品位与入选品位进化-神经优化 | 第58-73页 |
| ·截止品位与入选品位进化—神经优化方法 | 第59-64页 |
| ·大冶铁矿截止品位与入选品位优化 | 第64-71页 |
| ·损失率、金属回收率及成本模型 | 第64-68页 |
| ·粒子群-神经优化集成 | 第68-69页 |
| ·算法比较 | 第69-70页 |
| ·输入—输出界面 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 多金属矿截止品位及入选品位优化 | 第73-83页 |
| ·问题描述 | 第73-75页 |
| ·贫化率、损失率与放矿截止品位的关系 | 第73-74页 |
| ·磁滑轮抛废 | 第74页 |
| ·选矿过程 | 第74页 |
| ·效益计算 | 第74-75页 |
| ·模型的建立 | 第75-76页 |
| ·实例研究 | 第76-82页 |
| ·损失率、贫化率计算 | 第77-78页 |
| ·金属回收率计算 | 第78页 |
| ·粒子群-神经优化集成 | 第78-81页 |
| ·输入—输出界面 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 金属矿山品位多目标优化 | 第83-90页 |
| ·目标的设定 | 第84-85页 |
| ·神经网络建立非线性函数 | 第85页 |
| ·模糊综合评价集成多目标 | 第85-86页 |
| ·遗传算法优化品位组合 | 第86页 |
| ·应用实例 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 第七章 金属矿山生产动态管理 | 第90-99页 |
| ·基本思想 | 第90-92页 |
| ·三阶段模型 | 第92-96页 |
| ·采矿阶段 | 第92-93页 |
| ·配矿阶段 | 第93页 |
| ·选矿阶段 | 第93-96页 |
| ·实例应用 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第八章 总结与展望 | 第99-102页 |
| ·结论 | 第99-100页 |
| ·展望 | 第100-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-110页 |
| 附录 | 第110-116页 |
