一种不考虑评价指标赋值的采矿方法优选模型.pptxVIP

content目录01研究背景与问题提出02理论基础与技术路线03模型构建与核心机制设计04案例验证与对比分析05优势特征与适用边界06未来展望与拓展方向

研究背景与问题提出01

传统采矿方法优选模型普遍依赖主观或客观赋权，存在指标权重敏感性高、稳定性差的问题赋权依赖困境传统模型普遍依赖主观或客观赋权，导致指标权重对最终排序结果影响过大。微小的权重调整可能引发优选方案的剧烈变动，降低决策稳定性。主观偏差显著AHP、G1等主观赋权法易受专家经验局限和认知偏见影响，尤其在复杂矿体条件下难以保证权重合理性。多人打分差异大，一致性检验常被形式化处理。客观权重局限熵权法、CRITIC等客观赋权虽基于数据变异程度，但忽视技术逻辑与工程实际需求。高变异指标自动获得高权重，未必符合采矿安全优先原则。组合赋权未根治尽管博弈论组合赋权试图平衡主客观权重，但仍需构建加权函数进行合成。本质上未摆脱线性加权框架，无法解决权重敏感性根本问题。工程适配性差矿山初期资料不全时，强行赋权导致模型失真。不同矿床条件频繁调整权重体系，模型通用性弱，难以实现标准化智能决策支持。

现有综合评价方法如FAHP-CRITIC、TOPSIS、GRA等均需对评价指标进行显式赋权，限制了模型鲁棒性赋权依赖困境传统模型如FAHP-CRITIC、TOPSIS等高度依赖指标赋权，权重设定直接影响方案排序结果。主观赋权易受专家偏好干扰，客观