露天矿山品位工程中边界品位与堆存策略优化的数学模型研究

这篇研究通过建立创新的品位工程（GE）模型，结合网格搜索和实数编码遗传算法，优化了露天矿山边界品位（COG）和堆存策略。模型整合了矿石响应分级（RR）变异性和废料管理成本，在铜矿案例中实现金属回收率提升5.2%、废石量减少11.6%、矿山寿命延长19.7%，净现值（NPV）增长4.1%，为可持续采矿提供了方法论突破。

　　

Highlight

本研究展示了将堆存和预选技术整合到边界品位（COG）优化中的变革潜力。结合网格搜索和遗传算法的新方法，显著延长矿山寿命（19.7%）、提高金属回收率（5.3%）和净现值（4.1%），凸显了可持续采矿战略的重要性。

未来研究方向

当前模型基于确定性数据，但遗传算法（GA）具有启发式随机性。未来将探索地质不确定性和动态价格波动对优化策略的影响，并开发实时自适应COG调整系统。

结论

通过预选技术（如筛分）和动态物料分流，本研究突破了传统线性采矿-处理模式，为低品位资源高效利用和减少环境足迹提供了可量化框架。

作者贡献声明

Hamza Khalifi：主笔、可视化、算法开发；Abdellatif Elghali等：审校、项目监督及资金支持。

利益冲突声明

作者声明无潜在利益冲突。

（注：翻译部分已按生命科学领域专业表述调整，保留术语如Net Present Value、Genetic Algorithm等，并省略文献引用标识。）