Wyniki wyszukiwania - BazTech

1

Prediction of mineral product price based on mean reversion model

Huang Shuwei, Ma Zhaoyang, Jin Feng, Zhang Yuansheng

Gospodarka Surowcami Mineralnymi

|

2022

|

T. 38, z. 2

61--75

EN

The mean-reversion model is introduced into the study of mineral product price prediction. The gold price data from January 2018 to December 2021 are selected, and a mean-reverting stochastic process simulation of the gold price was carried out using Monte Carlo simulation (MCS) method. By comparing the statistical results and trend curves of the mean-reversion (MR) model, geometric Brownian motion (GBM) model, time series model and actual price, it is proved that the mean-reversion process is valid in describing the price fluctuation of mineral product. At the same time, by comparing with the traditional prediction methods, the mean-reversion model can quantitatively assess the uncertainty of the predicted price through a set of equal probability stochastic simulation results, so as to provide data support and decision-making basis for the risk analysis of future economy.

PL

W badaniach predykcji cen produktów mineralnych wprowadzono model średniej rewersji. Wybrano dane dotyczące cen złota od stycznia 2018 do grudnia 2021 r., a symulację ceny złota w procesie odwracania średniej przeprowadzono metodą symulacji Monte Carlo (MCS). Porównując wyniki statystyczne i krzywe trendu modelu średniej rewersji (MR), modelu geometrycznego ruchu Browna (GBM), modelu szeregów czasowych i rzeczywistej ceny, udowodniono, że proces średniej rewersji jest prawidłowy w opisie fluktuacji cen na produkt mineralny. Jednocześnie, porównując z tradycyjnymi metodami predykcji, model średniej rewersji może ilościowo oszacować niepewność przewidywanej ceny za pomocą zestawu wyników symulacji stochastycznej równego prawdopodobieństwa, w celu zapewnienia wsparcia danych i podstawy decyzyjnej do analizy ryzyka przyszłej gospodarki.

2

Optimization of the cut-off grade for underground polymetallic mines

Liu Di, Li Guoqing, Hu Nailian, Xiu Guolin, Ma Zhaoyang

Gospodarka Surowcami Mineralnymi

|

2019

|

T. 35, z. 1

25--42

EN

One of the most critical aspects of mine design is to determine the optimum cut-off grade. Despite Lane’s theory, which aims to optimize the cut-off grade by maximizing the net present value (NPV), which is now an accepted principle used in open pit planning studies, it is less developed and applied in optimizing the cut-off grade for underground polymetallic mines than open pit mines, as optimization in underground polymetallic mines is more difficult. Since there is a similar potential for optimization between open pit mines and underground mines, this paper extends the utilization of Lane’s theory and proposes an optimization model of the cut-off grade applied to combined mining-mineral processing in underground mines with multi-metals. With the help of 3D visualization model of deposits and using the equivalent factors, the objective function is expressed as one variable function of the cut-off grade. Then, the curves of increment in present value versus the cut-off grade concerning different constraints of production capacities are constructed respectively, and the reasonable cut-off grade corresponding to each constraint is calculated by using the golden section search method. The defined criterion for the global optimization of the cut-off grade is determined by maximizing the overall marginal economics. An underground polymetallic copper deposit in Tibet is taken as an example to validate the proposed model in the case study. The results show that the overall optimum equivalent cut-off grade, 0.28%, improves NPV by RMB 170.2 million in comparison with the cut-off grade policy currently used. Thus, the application of the optimization model is conducive to achieving more satisfactory economic benefits under the premise of the rational utilization of mineral resources.

PL

Jednym z najbardziej istotnych aspektów projektowania kopalni jest określenie optymalnej wartości granicznej surowca. Pomimo teorii Lane’a, mającej na celu optymalizację wartości granicznej surowca poprzez maksymalizację wartości bieżącej netto (NPV), obecnie stosowanej w studiach planowania górnictwa odkrywkowego, natomiast jest ona mniej rozwinięta i stosowana w optymalizowaniu wartości granicznej surowca dla podziemnych kopalń rud polimetalicznych ze względu na znaczne trudności. W artykule rozszerzono wykorzystanie teorii Lane’a poprzez propozycję modelu optymalizacji wartości granicznej surowca, zastosowanego do połączonych procesów górniczo-przeróbczych podziemnych kopalń rud polimetalicznych. Za pomocą modelu wizualizacji 3D zasobów i wykorzystaniu ekwiwalentnych współczynników określono funkcję celu wyrażoną jako jedną zmienną funkcję oceny wartości granicznej. Następnie konstruowane są krzywe przyrostu wartości aktualnej w stosunku do wartości granicznej dotyczące różnych ograniczeń zdolności produkcyjnych, a rozsądna wartość graniczna odpowiadająca każdemu ograniczeniu jest obliczana za pomocą metody wyszukiwania złotego odcinka. Zdefiniowane kryterium globalnej optymalizacji oceny granicznej określa się poprzez maksymalizację efektów ekonomicznych. Jako przykład do sprawdzenia proponowanego modelu w studium przypadku wykorzystano podziemne złoża polimetaliczne miedzi w Tybecie. Wyniki pokazują, że całkowita optymalna ekwiwalentna wartość graniczna, 0,28%, poprawia NPV o 170,2 milionów juanów w porównaniu z obecnie stosowaną oceną graniczną. Tak więc zastosowanie modelu optymalizacyjnego sprzyja osiągnięciu bardziej satysfakcjonujących korzyści ekonomicznych przy założeniu racjonalnego wykorzystania zasobów mineralnych.

3

An improved GM(1.1) model with background value optimization and Fourier-series residual error correction and its application in cost forecasting of coal mine

Liu Di, Li Guoqing, Chanda Emmanuel K., Hu Nailian, Ma Zhaoyang

Gospodarka Surowcami Mineralnymi

|

2019

|

T. 35, z. 3

75--98

EN

This paper researches the application of grey system theory in cost forecasting of the coal mine. The grey model (GM(1.1)) is widely used in forecasting in business and industrial systems with advantages of minimal data, a short time and little fluctuation. Also, the model fits exponentially with increasing data more precisely than other prediction techniques. However, the traditional GM(1.1) model suffers from the poor anti-interference ability. Aimed at the flaws of the conventional GM(1.1) model, this paper proposes a novel dynamic forecasting model with the theory of background value optimization and Fourier-series residual error correction based on the traditional GM(1.1) model. The new model applies the golden segmentation optimization method to optimize the background value and Fourier-series theory to extract periodic information in the grey forecasting model for correcting the residual error. In the proposed dynamic model, the newest data is gradually added while the oldest is removed from the original data sequence. To test the new model’s forecasting performance, it was applied to the prediction of unit costs in coal mining, and the results show that the prediction accuracy is improved compared with other grey forecasting models. The new model gives a MAPE & C value of 0.14% and 0.02, respectively, compared to 1.75% and 0.37 respectively for the traditional GM(1.1) model. Thus, the new GM(1.1) model proposed in this paper, with advantages of practical application and high accuracy, provides a new method for cost forecasting in coal mining, and then help decision makers to make more scientific decisions for the mining operation.

PL

W pracy zbadano zastosowanie teorii szarego systemu w prognozowaniu kosztów kopalni węgla. Szary model (GM(1,1)) jest szeroko wykorzystywany w prognozowaniu w systemach biznesowych i przemysłowych z niewielką ilością danych, krótkim czasem i nieznacznymi wahaniami. Ponadto model dopasowuje wykładniczo dane bardziej dokładnie niż inne techniki prognozowania. Jednak tradycyjny model GM(1,1) ma słabą zdolność przeciwdziałania zakłóceniom. Mając na uwadze wady konwencjonalnego modelu GM(1,1), w artykule zaproponowano – w oparciu o tradycyjny model GM(1,1) – nowy model dynamicznego prognozowania z teorią optymalizacji wartości tła i korektą błędów resztkowych szeregów Fouriera. Nowy model stosuje metodę optymalizacji złotej segmentacji do optymalizacji wartości tła oraz teorię szeregów Fouriera w celu wyodrębnienia okresowych informacji w szarym modelu prognozowania, aby skorygować błąd resztkowy. W proponowanym modelu dynamicznym najnowsze dane są stopniowo dodawane, podczas gdy najstarsze – usuwane z oryginalnej sekwencji danych. Aby przetestować dokładność prognozowania nowego modelu, zastosowano go do prognozowania kosztów jednostkowych pozyskania węgla, a wyniki pokazują, że dokładność prognozowania jest lepsza w porównaniu z innymi szarymi modelami prognozowania. Nowy model daje wartości MAPE & C wynoszące odpowiednio 0,33% i 0,07, w porównaniu z odpowiednio 1,1% i 0,3 dla tradycyjnego modelu GM(1,1). Zatem zaproponowany w artykule, ulepszony model GM(1,1) z zaletami praktycznego zastosowania i wysoką dokładnością, jest nową metodą prognozowania kosztów w górnictwie węgla, która ułatwia decydentom podejmowanie decyzji ugruntowanych naukowo dotyczących operacji pozyskania węgla.