Baza zasobowa wybranych złóż kopalin metalicznych w Polsce w ujęciu logiki rozmytej

• Autorzy: Krzak M.

Warianty tytułu

EN

Resources base of selected metallic mineral deposits in Poland in terms of fuzzy logic

• Języki publikacji: PL

Abstrakty

PL

Polska jest krajem bogatym w złoża kopalin użytecznych. W Bilansie zasobów złóż kopalin (Szuflicki i in. (red.) 2016) zestawiono 13 586 rekordów złóż w podziale według ich przydatności surowcowej. W tak licznym zbiorze dominują złoża kopalin skalnych, podczas gdy złoża rud metali mają w ujęciu ilościowym znaczenie podrzędne. Obraz ten ulega jednak zmianie pod względem jakościowym – wartości produkcji surowców. Wartość wyprodukowanych surowców metalicznych plasuje je zaraz po dominujących – w tym aspekcie oceny – surowcach energetycznych. Kluczowe elementy oceny parametrów złoża obejmują szacowanie zasobów oraz jakości kopaliny. Wielkości te są znacznie zróżnicowane pomiędzy złożami i często, zamiast konkretnych wielkości numerycznych, dla ułatwienia opisu, stosowane są określenia nieprecyzyjne (rozmyte). Granice pomiędzy stanem, kiedy złoże jest duże czy małe, bogate czy ubogie, są umowne, oparte na rozkładach w populacji i nie zawsze jednoznacznie kwalifikują obiekt do danej klasy. Tymczasem stopniowanie przynależności złoża do danej klasy wielkościowej może być zrealizowane z wykorzystaniem teorii zbiorów rozmytych. W artykule wskazano na możliwości takiej kwalifikacji w odniesieniu do udokumentowanych złóż kopalin metalicznych w Polsce, poszerzając rozważania o zasygnalizowanie możliwości zastosowania operatorów logiki rozmytej w ocenie zarówno ilościowych, jak i jakościowych parametrów złóż.

EN

Poland is a country rich of mineral deposits. In the Annual Report of Mineral Re-sources there is a list of 13,586 records of mineral deposits in Poland according to their suita-bility as raw materials. In such a large set, rock mineral deposits dominate, while ore metals deposits are of secondary quantitative importance. This image changes in terms of the produc-tion value of metallic raw materials. The value of the metallic raw-materials produced places it after energy raw materials, dominating in this aspect. Key parameters evaluated during the mineral deposit recognition include resources es-timation and the quality of minerals. These values are significantly different between deposits and often, instead of specific numerical values for ease of description, imprecise (fuzzy) de-scription is used. The borders between the state in which the mineral deposit is big or small, rich or poor, are conventional, based on population distributions and do not always clearly qualify the object to the class. Meanwhile, such mineral deposits membership gradation to the volume size class may be carried out with the fuzzy sets theory. In the article the possibility of such qualification in relation to the recognized ore deposits in Poland has been pointed out. The possibility of fuzzy logic operators use in the assessment of both quantitative and qualita-tive parameters of this resources base have additionally been signalized.

Słowa kluczowe

PL

zasoby złoża; jakość kopaliny; zbiory rozmyte; operator logiczny

EN

mineral deposit resources; mineral grade; fuzzy sets; logic operator

• Wydawca: Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
• Czasopismo: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
• Rocznik: 2016
• Tom: nr 96
• Strony: 151--164
• Opis fizyczny: Bibliogr. 5 poz., tab., wykr.

Twórcy

autor

Krzak M.

• AGH Akademia Górniczo-Hutnicza, Kraków

Bibliografia

• [1] Łachwa, A. 2001. Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji. Warszawa: Akademicka Oficyna Wydawnicza EXIT.
• [2] Szuflicki i in. 2016 – Szuflicki, M., Malon, A. i Tymiński M. (red.) 2016. Bilans zasobów złóż kopalin w Polsce, stan na 31 XII 2015 r. Praca zbiorowa, Warszawa: PIG–PIB.
• [3] Zadeh, L.A. 1965, Fuzzy Sets. Information and Control vol. 8, s. 338–353.
• [4] Zadeh, L.A. 1996. Fuzzy sets and information granularity. [W:] Advances in Fuzzy Systems-Applications and Theory, Klir G.J., Yuan B. eds, Vol. 6: Fuzzy Sets, Fuzzy Logic and Fuzzy Systems. Selected Papers by Lotfi A. Zadeh. Singapore, s. 433–448.
• [5] Zimmermann, H.J. i Zysno, P. 1980. Latent connectives in human decision making. Fuzzy Sets and Systems Vol. 4(1), s. 37–51.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).