灰色关联分析在矿产资源开发优先序列中的应用

汪 莹, 王光岐

(中国矿业大学(北京)管理学院, 北京 100083)

针对我国政府部门在制定矿产资源总体规划时不能体现各种矿产资源开发适宜性的问题[1],学者们尝试并提出了不同的矿产资源开发序列方法,包括层析分析法(AHP)[1]、模糊综合评价法[2]以及各类组合法等.层析分析法、模糊综合评价法能够统一处理评价中的定性与定量因素,具有实用性、系统性、简洁性等优点[3],但同时也有各自的缺点[3].层析分析法更多地依靠主观评价作出排序,遇到因素众多的问题时,该方法容易出现问题;模糊综合评价法也大量运用了主观评价,对于指标间相关造成的评价信息重复问题没有很好的方法[4].二者在确定影响因素函数值、权重值时,仍具有较强的定性分析特征,同时对影响因素的数量和相关性也提出了严格的要求.

矿产资源开发序列问题具有复杂性、 非线性性、 不确定性等特点, 而灰色关联分析作为灰色系统理论中的一种重要分析法, 最突出的优点是: 克服了数理统计方法上追求大样本且必须服从典型分布规律等固有的弱点和强假设的问题, 适于处理非线性问题. 该方法突破了传统精确数学不容许模棱两可的约束, 具有原理简单、 计算简便、 排序明确、 对数据分布类型及变量之间的相关类型无特殊要求等特点, 具有极大的实际应用价值[5].

1 基于灰色关联分析的矿产资源开发优先序列模型研究

1.1 矿产资源开发优先序列的影响因素分析

不同矿产资源的开采顺序受到内外部多种因素的影响.在借鉴前人研究成果和笔者总结的经验的基础上,本文将其归纳为以下5个方面.

(1) 矿产资源禀赋. 矿产资源禀赋指矿产资源本身所具有的自然特征,是决定矿产资源开发难易程度的重要因素.不同矿产资源在不同的地质作用下形成,造就了不同的自然丰度、赋存条件、地理环境.矿产资源禀赋条件可以用“富、易、浅、近”的程度来概括,“富”指有用成分含量的贫富,“易”指开发条件的难易,“浅”指矿体埋藏的深浅,“近”指距离用户或交通线的远近.矿产资源禀赋差异使得开采同样数量的资源,不同矿种所需的人力、财力、物力等的投入不同.矿产资源资产开发价值的大小,取决于矿产资源禀赋的好坏,禀赋条件越好,价值越大;反之,价值越低[6].

(2) 市场条件. 市场条件由矿产资源供给条件和矿产资源需求条件共同决定[7].

资源的供求关系决定资源的价格,最终影响资源开发决策.

矿产资源需求条件是指国家和地区对矿产品的需求程度.对于探明的矿种,当其被市场经济建设所需要时,该矿种具有开采价值.当市场上矿产资源供给量大于矿产资源需求量时,矿产资源供应量过剩,矿产品价格下降,经济效益下降, 则抑制矿产资源的开发;反之,加大矿产资源的开发.

(3) 开发技术条件. 开发技术条件指决定矿产资源开发利用难易程度的外界技术因素,包括资源勘探水平、开采水平、矿冶加工水平、开发利用资源配套程度等[8].例如,若矿产资源勘探水平低,不确定性因素多,则会给资源开发带来较大的风险.开采水平指由于矿产资源的开采过程中所涉及的工程地质、水文地质因素的差异,决定了开采方式及开采工程的设计和布局,从而影响到单位矿石的开采成本.

(4) 市场配套条件. 市场配套条件反映出矿产资源开发的投资环境的优劣状况,体现工农业基础、燃料、建筑材料、劳动力等对矿山的生产和开发的重要影响[9].

生产要素供应程度是矿产资源开发利用的主要限制因素,包括矿区水源、电力、劳动力、能源、建筑材料等供应.基础设施条件是构成资源开发投资环境的一个重要方面.良好的基础设施有利于吸引更多的投资,扩大资源开发规模,提高工作效率,降低成本,增加项目产出和盈利.

(5) 环境保护条件. 环境保护水平反映矿产资源开发与自然环境的依赖和限制关系.根据我国《环境影响评价法》的要求,矿产资源开发要加强对环境的保护.矿产资源开发对环境的影响主要表现为地层变形与塌陷、土壤侵蚀与酸化、水质污染等.因此,矿产资源开发的规模、速度和水平,客观上要受到环境保护水平的限制和约束.

1.2 建立矿产资源开发优先序列评价体系

基于代表性、重要性、可操作性、可量化性和数据可获取性原则,围绕5大影响因素选取若干具有代表性的评价指标.对每个因素分别选取4个代表性指标总计20个指标来反映矿产资源开发优先序列.矿产资源开发优先序列评价指标体系框架图如图1所示.

图1 矿产资源开发优先序列评价指标体系框架图Fig.1 The frame diagram of evaluation index system of mineral resources development priority sequence

(1) 矿产资源禀赋. 选取矿产资源储量水平、矿产资源潜在价值、矿产资源质量特征、矿产资源集中度4个代表性指标.矿产资源储量水平表示各矿种资源储量占全国储量的比重,矿产资源潜在价值表示各矿种已探明储量的潜在经济价值,矿产资源质量特征取不同矿种的矿石品位、矿石类型、有害成分等进行综合评价,矿产资源集中度指不同矿种资源储量与其矿区数的比.

(2) 市场条件. 选取市场需求程度、市场供给程度、矿产品市场占有率、距主要消费市场的距离4个代表性指标[10].市场需求程度用当年各种矿种需求量来反映,市场供给程度用当年各种矿种供给量来反映,矿产品市场占有率用各矿种销售量占需求量的比重来表示,距主要消费市场的距离用各矿种是就近销售、省内销售、国内销售还是国外销售来反映.

(3) 开发技术条件. 选取资源勘查水平、资源开采水平、选冶加工水平、开发利用资源配套程度4个代表性指标.资源勘查水平用各矿种的基础储量与资源量的比值表示,资源开采水平用各矿种开采时工程、水文地质反映,选冶加工水平用各矿种矿石矿物的结构特征反映,开发利用资源配套程度可以用矿区水资源分布特征反映.

(4) 市场配套条件. 选取生产要素供应程度、经济发展支撑程度、基础设施保障程度、社会服务配套程度4个代表性指标.生产要素供应程度用各矿种开采过程中人力、财力等的投入量表示,经济发展支撑程度用探矿权和采矿权的交易额表示,基础设施保障程度用电力供应、邮电通讯综合表示,社会服务配套程度用医疗服务、商业贸易等综合表示.

(5) 环境保护条件. 选取废水排放程度、废气排放程度、固体废物排放程度、景观破坏及灾害发育4个代表性指标[11].废水排放程度用年度废水排放量表示,废气排放程度用年度废气排放量表示,固体废物排放程度用年度固体废物排放量表示,景观破坏及灾害发育用年度景观破坏及灾害损失额来表示.

1.3 基于灰色关联分析的矿产资源开发优先序列模型

(1)

参考序列是一个理想的比较标准,可以以矿产资源开发利用优先序列评价指标的最优值(或最劣值)构成参考序列.

(3) 数据标准化. 各个评价指标的维度各不相同, 所以各指标值对优先序列评价结果的影响不同, 表现在方向上和程度上.指标数据越大, 越促进矿产资源优先开发, 称该指标为正向指标; 反之, 称为负向指标.程度上不同主要是某些指标数据值大, 而某些指标数据值小, 如比率指标和价值指标数值的差距就很大. 所以, 为了避免指标数据的影响, 需对原始指标进行标准化处理.

正向标准化公式为

负向标准化公式为

(4) 计算绝对差值:

|xi(k)-x0(k)|(k=1,2,…,m;i=1,2,…,n).

(4)

(5) 计算关联系数. 分别计算每个比较序列中各指标与参考序列对应元素的关联系数,关联系数的公式为

(5)

式中,ρ为分辨系数,在(0,1)内取值,ρ越小,关联系数间的差异越大,区分能力越强.通常,ρ取0.5.

(6) 计算关联序. 对各评价对象(比较序列)分别计算其各指标与参考序列对应元素的关联系数的均值,以反映各评价对象与参考序列的关联关系,并称其为关联序,记为

(6)

式中,Wk表示各指标的权重.

(7) 结果排序. 按照关联序大小进行排列,得出各矿产资源开发优先序列顺序.

2 灰色关联分析在矿产资源开发优先序列中的应用研究

下面以河北省2012年矿产资源为例,进行矿产资源开发优先序列实证研究.选取该省20种重要矿种为研究对象.样本数据来源于《2012年河北省矿产资源年报》《河北省矿产资源经济潜力及竞争力评价》《2012年国土资源统计年鉴》.

(3) 数据标准化.正向标准化公式为

负向标准化公式为

根据式(7)和式(8),分别对正向指标和逆向指标进行标准化.

(4) 逐个计算每个指标与对应的参考指标的绝对差值:

根据每个指标与对应的参考指标的绝对差值,建立相应的绝对差值矩阵,查找并确定

式中,i=1,2,…,20;k=1,2,…,20.

矿产资源开发利用优先序列绝对差值表如表1所示.

表1 矿产资源开发利用优先序列绝对差值表Table 1 The absolute difference value table of the priority sequence of mineral resources development

(5) 计算关联系数. 分别计算每个比较序列中各指标与参考序列对应元素的关联系数:

(9)

式中,ρ取0.5.

(6) 计算关联序. 假设各指标同等重要,即不考虑指标权重Wk的影响,则可按照下式计算关联序:

(10)

矿产资源开发利用优先序列关联序表如表2所示.

表2 矿产资源开发利用优先序列关联序表Table 2 The correlation sequence table of the priority sequence of mineral resources development

(7) 对结果进行排序. 按照关联序大小进行排列,从大到小顺序依次为钼矿、水泥用灰岩、铁矿、金矿、银矿、煤炭、碎云母、冶金用白云岩、石油、玻璃用砂岩、锌矿、铅矿、沸石、钛矿、石膏、铜矿、锰矿、钒矿、铝土矿、膨润土.关联序越大,表明该矿种开发适宜性越强;反之,关联序越小,表明该矿种开发适宜性越弱.

3 结 语

(1) 本文从矿产资源禀赋、市场条件、开发技术条件、市场配套条件和环境保护条件5个方面,将矿产资源开发优先序列细化为可量化的20个评价指标,建立了矿产资源开发优先序列评价体系.接着,构建了基于灰色关联分析的矿产资源开发优先序列模型.

(2) 以2012年河北省20种主要矿种为例,应用该模型进行了矿产资源开发优先序列测算.结果表明,该省矿种开发顺序由先到后依次为钼矿、水泥用灰岩、铁矿、金矿、银矿、煤炭、碎云母、冶金用白云岩、石油、玻璃用砂岩、锌矿、铅矿、沸石、钛矿、石膏、铜矿、锰矿、钒矿、铝土矿、膨润土.

(3) 通过灰色关联分析在矿产资源开发优先序列中的应用,表明该算法计算简便、排序直观明了,提高了矿种开发优先次序划分的效率和准确度,为矿产资源开发优先序列决策提供了依据.

参考文献:

[ 1 ]宋新华. 基于层次分析法的宁夏重要矿产资源禀赋优势序列研究[J]. 资源与产业, 2011,13(1):37-41.

(Song Xinhua. Advantage Ranking of Major Mineral Resources in Ningxia Based on AHP[J]. Resources & Industries, 2011,13(1):37-41.)

[ 2 ]李克庆,晏剑斌,周其梓,等. 层次分析法及模糊数学在矿产资源资产评估中的应用[J]. 中国地质矿产经济, 1997(9):28-32.

(Li Keqing, Yan Jianbin, Zhou Qizi, et al. Application of AHP and Fuzzy Mathematics on the Evaluation of Geology and Mineral Resource Property[J]. China Geology & Mining Economic, 1997(9):28-32.)

[ 3 ]王建辉,张程,纪雯,等. 基于AHP-模糊综合评判的上肢康复机器人康复评价方法[J]. 沈阳大学学报:自然科学版, 2012,24(3):47-51.

(Wang Jianhui, Zhang Cheng, Ji Wen, et al. Rehabilitation Evaluation Methodology of Upper Limb Rehabilitation Robot Based on AHP-fuzzy Comprehensive Evaluation[J]. Journal of Shenyang University:Natural Science, 2012,24(3):47-51.)

[ 4 ]杜栋,庞庆华,吴炎. 现代综合评价方法与案例精选[M]. 北京:清华大学出版社, 2008:140-146.

(Du Dong, Pang Qinghua, Wu Yan. Modern Comprehensive Evaluation Methods and Cases Selection[M]. Beijing: Tsinghua University Press, 2008:140-146.)

[ 5 ]王云云. 灰色关联分析在矿产资源评价中的应用研究[D]. 合肥:合肥工业大学, 2013:5-7.

(Wang Yunyun. Grey Relational Analysis in the Evaluation of Mineral Resources[D]. Hefei: Hefei University of Technology, 2013:5-7.)

[ 6 ]沈大富,曹树刚,张立洋,等. 群组决策和AHP法确定矿产资源禀赋指标权重[J]. 中国矿业, 2009,18(6):80-85.

(Shen Dafu, Cao Shugang, Zhang Liyang, et al. The Hybrid Method of AHP and Group Approach to the Determination of the Index Weight of Mineral Resources[J]. China Mining Magazine, 2009,18(6):80-85.)

[ 7 ]张智超,王冬玲,刘兆顺. 基于灰色关联度的矿产资源开发优先序列研究[J]. 黑龙江生态工程职业学院学报, 2012,25(1):1-3.

(Zhang Zhichao, Wang Dongling, Liu Zhaoshun. Research of Priority Sequence Based on Grey Correlation Degree of Mineral Resources Development[J]. Journal of Heilongjiang Vocational Institute of Ecological Engineering, 2012,25(1):1-3.)

[ 8 ]闫军印,李彩华,栾文楼. 区域矿产资源竞争力评价模型构建[J]. 石家庄经济学院学报, 2008,31(3):35-38.

(Yan Junyin, Li Caihua, Luan Wenlou. Competitive Capacity Evaluation about Mineral Resources in Hebei[J]. Journal of Shijiazhuang University of Economics, 2008,31(3):35-38.)

[ 9 ]蒋健明,栾文楼,李建设,等. 安徽省重要矿产资源战略研究[M]. 北京:地质出版社, 2012:307-315.

(Jiang Jianming, Luan Wenlou, Li Jianshe, et al. The Strategic Research of Important Mineral Resources of Anhui Province[M]. Beijing: Geological Publishing House, 2012:307-315.)

[10]付海波,孔锐. 基于熵权法的矿产资源竞争力比较评价[J]. 资源与产业, 2010,12(3):66-70.

(Fu Haibo, Kong Rui. Comparative Evaluation on Mineral Resources Competitiveness Based on Entropy Weight Method[J]. Resources & Industries, 2010,12(3):66-70.)

[11]张宝友,肖文,朱卫平. 我国区域矿产资源竞争力评价及与区域经济相关性研究[J]. 自然资源学报, 2012,27(10):1623-1633.

(Zhang Baoyou, Xiao Wen, Zhu Weiping. Evaluation of Competitiveness of Regional Mineral Resources and Correlation with Regional Economy[J]. Journal of Natural Resources, 2012,27(10):1623-1633.)