基于 GPU 的深度学习决策支持系统：面向地质不确定性下的矿山开采优化
人工智能
2025-11-25 v1
摘要
本研究是 AI 增强决策支持系统（DSS）的第二部分，通过引入完全不确定性感知的优化框架，实现对长期开采矿山规划。地质不确定性采用在 50,000 条空间品位样本上训练的变分自编码器（VAE）建模，以生成保持地质连续性和空间相关性的概率、多情景矿体实现。通过混合元启发式引擎（集成遗传算法、大邻域搜索、模拟退火和基于强化学习的自适应控制）优化这些情景。采用 -约束松弛策略控制种群探索阶段，使其在搜索早期发现近可行计划，并逐步收紧以严格满足约束。GPU 并行评估使可同时评估 65,536 个地质情景，在 IBM CPLEX 之上实现近 100 万倍的运行时改进，并在地质不确定性下显著提高预期净现值（NPV），确认该 DSS 作为可扩展且抗不确定性的智能矿山规划平台。
引用
@article{arxiv.2511.18296,
title = {Deep Learning Decision Support System for Open-Pit Mining Optimisation: GPU-Accelerated Planning Under Geological Uncertainty},
author = {Iman Rahimi},
journal= {arXiv preprint arXiv:2511.18296},
year = {2025}
}
备注
67 pages