SDIMS在现代化矿井建设方案决策中的应用

建设现代化矿井,要求设计方案对安全、健康、生态环境、产品质量、生产效率与效益等都符合相应的要求,而这些因素中许多存在模糊性,不能用确定性的数量关系来界定,所以进行类似的包含模糊因素的综合的决策,在理论和实务中存在一定的困难。神东煤炭分公司为了保证矿井建设方案的科学性,创建了自己独特的安健环质综合管理体系,并运用模糊综合决策法对矿井的建设方案进行评价和决策。事实证明,这一基于SDIMS的模糊综合决策法是科学的,行之有效的,对于促进我国现代化矿井的建设,具有极高的借鉴价值。

The SDIMS-case study of integrate management for modern mining enterprise

Shenfu Dongsheng Coal Co. Ltd. of the Shenhua Group is a modern mining enterprise. To construct this first class world enterprise, Shendong Company placed em- phasis on construction and production, and complied the internal administration with the international standards spontaneously. In order to strengthen the administration of the en- terprise, enhance the running efficiency of the systems, achieve the best administrative performances and goals, the Shendong Company began to engineer the integrated man- aging system(SDIMS) in early 2002. This article, as a case study, introduces the planning and construction processes of the SDIMS’s, and sums up the empirical experiences for modern and international mining enterprise.

内蒙古自治区沙漠化敏感性时空演变格局和趋势分析

以内蒙古自治区为研究区,基于压力-状态-响应模型(PSR)分析框架,耦合空间距离指数模型(SDIM)构建土地沙漠化敏感性评价体系(LDSES),结合沙漠化敏感性时空演变图谱,定量探讨内蒙古自治区土地沙漠化敏感性在2000年、2005年、2010年、2015年、2020年期间的时空演变,并引入元胞自动机-马尔科夫(CA-Markov)模型模拟沙漠化敏感性未来演变机制,进而采用地理探测器揭示了前20 a演变进程中主要驱动因子对其演变的影响特征及解释力。结果表明:(1)内蒙古自治区沙漠化敏感性整体上呈现由东北向西南递增的趋势,低敏感区位于大兴安岭和阴山山脉周边林草地覆盖区,高敏感区则位于西南部的巴丹吉林沙漠、腾格里沙漠、乌兰布和沙漠、库布其沙漠、毛乌素沙漠等沙地和戈壁地区;(2)从沙漠化敏感性时空演变上来看,研究期间沙漠化敏感性改善的区域,占总面积的30.65%,沙漠化敏感性恶化的区域,占总面积的4.48%,沙漠化敏感性类型维持稳定不变的区域占总面积的52.72%,整体来看土地沙漠化潜力逐渐降低,土地生态质量逐渐好转;(3)2030年沙漠化敏感性模拟结果显示未来10年沙漠化敏感性以低度敏感为主要类型(26.43%),沙漠化潜力将大幅下降,生态工程措施将取得一个较好的结果;(4)驱动力分析表明,沙漠化敏感性对气候因素的响应尤为敏感,其中降雨量对沙漠化敏感性分异的解释力最大;在社会经济发展因素中,经济发展水平起主要影响,说明经济水平的提高在一定程度上将影响土地沙漠化敏感性,各驱动因子交互对沙漠化敏感性呈现增强作用,表明沙漠化敏感性的分异是由多种因素共同作用的结果。研究可为半干旱区沙漠化防治和策略的制定提供借鉴。

融合权重机制和改进SDIM的偏标记分类算法

偏标记学习指示例的唯一真实标记隐藏在一组候选标记之中,其目的为对候选标记进行消歧,最终学习到真实标记。现有方法只是就示例之间的相似性或者差异性进行了单方面考量,因此当示例的候选标记增多时会出现消歧准确率与分类准确率大幅度下降的问题。针对以上问题,提出了融合权重机制和改进SDIM的偏标记分类算法,在原SDIM(Partial Label Learning by Semantic Difference Maximization)算法的基础上,增加了最小化同类别示例之间欧几里德距离的操作,缩小了同类别示例之间的语义差异,将示例的相似性纳入学习范围。同时通过求解相关系数最大化问题计算各示例权重,将权重机制引入同类别示例的消歧学习中,对示例的差异性进行了充分考虑。UCI合成数据集上的实验结果表明,相比传统算法,该文算法的消歧准确率提升了0.211%~12.613%,分类准确率提升了0.287%~25.695%。