⚡ 电气工程

Quantum Spherical Fuzzy Decision Framework with Golden Cut and ARTASI for Sustainable Mining Method Selection in Geologically Complex Thin Seams

本研究提出了一种新颖的量子球面模糊大规模决策框架，通过整合黄金分割法、基于共识的专家权重法、蚁群算法以及ARTASI，系统地将自动化三维轨迹采煤机采矿确定为安全且可持续地开采梅加拉亚邦地质复杂薄煤层层的最优方法。

原作者： Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

发布于 2026-10-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在地球深处，在那些煤层薄、破碎且地质构造复杂的区域，如何选择开采燃料的方式是一场高风险的赌博。在像印度梅加拉亚邦（Meghalaya）这样煤层可能薄至仅有几英寸的地区，传统的开采方法往往依赖于粗糙、不科学的挖掘，这不仅危及工人的安全，也破坏了景观。工程师和规划者的核心挑战不仅在于寻找煤炭，还在于选择一种能够平衡安全性、成本、环境影响和技术可行性的采矿技术。这一决策绝非易事，因为涉及的各项因素往往相互冲突；一种可能很便宜的方法可能并不安全，而一种高效的方法可能对特定地点而言过于昂ase。为了应对这些相互矛盾的需求，研究人员转向了一个旨在处理人类不确定性的数学领域，在这里，判断力不会被强行纳入僵化的数字中，而是允许以“灰色地带”的形式存在，从而捕捉专家意见中自然伴随的犹豫与怀疑。

一个研究小组开发了一种全新的、复杂的系统来解决这一特定问题，旨在用结构化的科学方法取代凭直觉的猜测。他们创建了一个决策框架，该框架不将专家的意见视为简单的“是”或“否”的投票，而是将其视为包含了一层又一层共识、分歧和不确定性的复杂评估。通过使用一种融入了“量子”概念（具体而言，即信息可以像波一样同时具有振幅和相位）的数学模型，他们能够呈现出专家犹豫不决的全部细微差别。为了确保系统的稳健性和一致性，研究人员应用了一个基于黄金分割比例（一种在自然界中常见的著名数学比例）的原理，自动生成这些复杂评估所需的参数，从而消除了进行主观随意选择的必要。

该研究聚焦于梅加拉亚邦的煤田，那里的煤层厚度在0.30至2.12米之间。研究人员召集了一组专家，对十二种不同的采矿方法进行了评估，涵盖了从传统的钻爆法到先进的自动化机械。这些方法的测试标准包括十二个不同的准则，如煤层的厚度和深度、上方岩层的稳定性、通风需求、安全记录以及环境后果等。该系统并非简单地对专家的评分取平均值，而是观察专家之间的意见一致程度。那些判断与群体共识高度一致的专家会在最终计算中获得更大的影响力，从而确保由团队的集体智慧引导结果，而非受制于单个个体的极端意见。

在整合专家的观点后，系统必须决定哪些准则更为重要。研究人员并没有要求专家去猜测每个因素的重要性，而是使用了一种受蚂蚁寻找食物的行为启发而设计的计算机算法。这种被称为“蚁群优化算法”（Ant Colony Optimization）的算法模拟了数千种场景，以寻找能最好区分不同采矿方法的最佳权重平衡点。它在寻找一组优先级，使不同选项之间的差异尽可能清晰。最后一步是使用一种将每个选项与理想最优方案和最差方案进行对比的技术进行排名，通过计算出一个单一的分数，来反映每种方法在多大程度上接近完美。

严谨的分析结果明确指向了一个获胜者：自动化3D轨迹采煤机采煤法。这种方法利用先进机械沿着精确的计算机控制路径切割煤炭，其效用得分高达0.674，位居榜首。紧随其后的是基于采煤机的薄煤层长壁开采法和连续采煤机房柱式开采法。研究发现，机械化的潜力是这项决策中最重要的单一因素，其重要性超过了煤层深度或地质连续性等其他考量。研究人员通过随机改变准则的重要性及数据输入，测试了其结果的稳定性，发现排名前列的方法始终保持一致，这表明结果是稳健的，而非计算过程中的偶然现象。

这项工作并不声称已经解决了所有的采矿问题，也不认为它是适用于所有煤田的通用法则。相反，它为梅加拉亚邦摆脱危险、无监管的开采方式提供了一个可靠且科学的基础。通过提供一份清晰的、基于数据的技术排名，该框架为决策者提供了一种手段，使他们能够证明选择更安全、更可持续的方法是合理的，即便这些方法看起来比那些带有隐性风险的简便方法更难实施。这项研究表明，当人类的不确定性被恰当的数学工具处理时，我们便能够穿透地质与经济的复杂性，找到那条通往安全且可持续未来的最佳路径。

技术摘要：结合黄金分割与 ARTASI 的量子球形模糊决策框架，用于可持续采矿方法选择

问题陈述
针对地质构造复杂、薄煤层（具体厚度范围为 0.30 至 2.12 米）的合适采矿方法的选择，提出了一个关键挑战，特别是在印度梅加拉亚邦（Meghalaya）等地区。这些地区的传统开采实践（如“鼠洞”开采）与显著的安全隐患、资源损失和环境退化相关联。决策过程由于需要同时评估多个往往相互冲突的标准（包括地质特征、技术可行性、经济可行性、安全性及环境影响），且处于不确定性、模糊性和专家主观判断条件下，变得异常复杂。现有的方法在处理人类评估中固有的犹豫感和模糊性，或在不依赖固定分析规则来客观确定准则权重方面，往往表现不足。

研究方法
本研究提出了一种**量子球形模糊大规模决策（QSF-LSDM）**框架，旨在解决多维不确定性和专家主观性问题。该方法遵循一个结构化的多阶段流程：

量子球形模糊集（QSFS）表示： 专家判断使用 QSFS 进行建模，QSFS 通过引入振幅和相位信息扩展了传统的球形模糊集。这使得能够同时表示隶属度、非隶属度和犹豫度的振幅及其对应的相位参数，从而为不确定信息提供更丰富的描述。
黄金分割机制： 为了减少参数选择的主观性，采用了基于黄金比例（ $\approx 1.618$ ）的黄金分割程序。该机制根据初始语言评估（如“极高”、“低”）系统地推导出非隶属度、犹豫度和相位参数，消除了任意的缩放选择。
基于共识的专家权重（CBEW）： 该框架并非平等对待所有专家，而是根据决策组的共识程度计算专家权重。通过计算个体决策矩阵之间的相似性度量来确定专家的相对重要性，为与集体意见更趋一致的评估分配更高的权重。
通过 QSFWBM 进行聚合： 个体专家评估使用**量子球形模糊加权 Bonferroni 平均（QSFWBM）**算子进行聚合。与标准的算术平均或几何平均不同，该算子在融合群体信息过程中，能够显式捕捉准则与专家意见之间的非线性成对相互作用和依赖关系。
通过 ACO 进行目标准则权重确定： 为避免准则权重设置中的主观偏差，本研究将准则权重确定表述为一个连续优化问题。采用连续**蚁群算法（ACO）**来搜索最优权重向量，使候选方案之间的整体成对得分偏差最大化，从而直接从决策矩阵固有的判别能力中导出权重。
通过 ARTASI 进行排序： 最终排名通过基于自适应标准化区间（ARTASI）的备选方案排序技术建立。该方法将多样化的效益型和成本型属性转化为统一的标准化区间，同时保留原始数据的相对分布。它通过评估备选方案与理想及反理想条件之间的距离来产生效用指数。

核心贡献
本文概述了对多准则决策（MCDM）和采矿工程领域的六项主要贡献：

框架开发： 建立了 QSF-LSDM 框架，通过结合 QSFS 与相位参数以及用于系统化参数构建的黄金分割机制，对复杂的认知不确定性和人类犹豫感进行建模。
客观专家权重： 引入了基于共识的专家权重（CBEW）模型，根据共识水平分配权重，防止个体偏见扭曲集体评估。
交互感知聚合： 应用 QSFWBM 算子来捕捉准则与专家意见之间的相互关系，超越了传统聚合方法中关于独立性的假设。
基于优化的权重确定： 将准则权重确定为由 ACO 求解的连续优化问题，在不依赖固定分析规则的情况下实现得分判别力的最大化。
自适应排序： 利用 ARTASI 方法提供了一个灵活的排序框架，通过自适应标准化一致地处理效益型和成本型准则。
实际验证： 将该框架应用于评估梅加拉亚邦的 12 种候选采矿方法及 12 项多样化准则，以支持从非科学开采向可持续采矿实践的转变。

结果
该框架被用于评估 12 种采矿方法（ $M_1$ 至 $M_{12}$ ）及 12 项准则。其计算实现使用 Python 3.11 完成，研究结果如下：

排名第一的方法： **自动化 3D 轨迹采煤机采矿法（ $M_{10}$ ）**脱颖而出，其效用指数（ $\Omega$ ）为 0.674。
后续排名： 紧随其后的是基于采煤机的薄煤层长壁开采法（ $M_5$ ）， $\Omega = 0.662$ ，以及连续采煤机布尔与柱式采矿法（ $M_3$ ）， $\Omega = 0.632$ 。
排名最低的方法： **螺旋钻采矿法（ $M_7$ ）和柱式采矿法（ $M_9$ ）**获得的效用值最低。
准则重要性： 基于 ACO 的权重确定识别出**机械化潜力（ $C_{11}$ ）**为最具影响力的准则（ $w_{11} = 0.529$ ），其次是煤层几何形状与连续性（ $C_4$ ）、煤层深度（ $C_3$ ）以及煤回收率（ $C_{10}$ ）。
稳健性： 敏感性分析（蒙特卡洛模拟和 COMSAM 扰动）表明，尽管准则权重和输入数据发生变化，前列备选方案的排名仍保持高度稳定。
对比分析： QSF-ARTASI 的结果与 EDAS 和 MARCOS 方法表现出完美的吻合度（Spearman 相关系数为 1.000），并与 TOPSIS 表现出强相关性。与 VIKOR 方法观察到显著差异，这归因于两者在处理决策信息方面的算法差异。

意义与声明
本文声称，所提出的 QSF-LSDM 框架为评估地质复杂薄煤层的采矿方法提供了系统性的科学依据。通过整合量子启发式模糊逻辑与优化及共识机制，该框架有效地处理了专家评估中固有的不确定性和犹豫感，同时最大限度地减少了参数和权重选择中的主观偏差。

研究强调，其结果并非适用于所有采矿条件的普适性建议，而是针对梅加拉亚邦薄煤层特定地质、技术和运营背景定制的决策支持成果。其主要意义在于为从非科学开采向可持续采矿实践的转型提供了一种结构化的替代方案。作者强调，虽然该框架根据定义的准则确定了最合适的方案，但实际应用仍需进一步的现场特定地质调查、工程验证、安全性评估及监管审批。

类似论文