在供需不确定性下基于图学习的矿产资产估值
人工智能
2022-12-09 v1 机器学习
摘要
矿产资产估值是一项极具挑战性的任务，高度依赖于围绕资源与储量的供应（地质）不确定性，以及需求（商品价格）的不确定性。本工作提出一种基于图的推理、建模与求解方法，以在“采矿复合体”框架下联合解决供需不确定性下的矿产资产估值与矿山计划调度优化问题。提出了三种基于图的解决方案：（i）学习块采样矿体表示的神经分支策略，（ii）学习探索启发式选择树的引导策略，（iii）管理建模为图结构的值/供应链优化与动态的超启发式。在两个大规模工业采矿复合体上的结果表明，原始次优性、执行时间与迭代次数最多降低三个数量级，矿产资产价值最多提升 40%。
引用
@article{arxiv.2212.03865,
title = {Learning on Graphs for Mineral Asset Valuation Under Supply and Demand Uncertainty},
author = {Yassine Yaakoubi and Hager Radi and Roussos Dimitrakopoulos},
journal= {arXiv preprint arXiv:2212.03865},
year = {2022}
}
备注
NeurIPS 2022 (GLIndA)