钒矿资源可利用性智能评价：基于CNN的流程构建与实证

摘要

矿产资源可利用性评价贯穿从单个矿山的微观评价到全国单矿种的宏观评价，需综合考虑地质、采矿、加工选冶、基础设施、经济、市场、法律、环境、社区及政策等多维因素，旨在科学评估全国查明矿产资源中预期可经济采出的资源总量。基于此，本研究以包含地质、技术、经济、政策法律与外部条件5大类共35项指标数据作为特征，以“可利用性”作为目标变量，并对矿床类型等离散特征进行了预处理，构建钒矿资源可利用性智能评价模型。研究数据来源于全国矿产资源储量数据库，覆盖生产、在建、停产、关闭及未利用等各类钒矿区190余处。数据按4∶1∶1的比例随机划分为训练集、验证集和测试集。研究显示，CNN模型能够有效捕捉指标间的局部关联与复杂非线性交互，并识别出影响我国钒矿可利用性的关键指标包括资源储量规模、选矿难易程度、含矿层位、供电条件、开采方式、矿石组分、运输距离及勘查类型等。评估结果表明，当前不可利用的资源主要为赋存于寒武系黑色页岩中的石煤型钒矿，以及西部基础设施薄弱的偏远地区钒矿。相比传统德尔菲法，该方法在指标识别精准度、评价效率与模型可更新性方面优势显著。

关键词

钒矿 / 可利用性评价 / 储量对比 / 卷积神经网络 / 评价模型 / 机器学习