中金黄金金矿资源(黄金矿工开发公司) 黄金资源开发的经济评价体系研究
第一节 黄金矿产资源开发技术经济指标变化趋势的预测模型 所谓预测，就是根据客观事物的过去和现在的发展规律，借助于科学的方法和先进的技术手段，对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。 对于一个末出现的、没有庭生的未来系统，必然是已知信息，又有未知或未确知的信息，且处于连续变化的动态之中。所以说，“预测未来”本质上是个灰色问题。基于灰色动态GM模型的预测，称为灰色预测。 灰色预测是以历史数据资料为基础，经过累加生成，用微分法拟合建立灰色动态模型，并用单段函数残差辨识方法进一步提高精度，建立GM（1，1）动态预测模型进行灰色预测。 一、灰色预测模型——GM（1，1）模型的基本原理与方法 对于有X1，X2，…，Xn等n个变量的数列
式中，u、a可通过下式求得 对（1）式两边求导，得 ![]()
(2)公式2是GM (1，1)预测模型。2.表1列出了1990 ~ 1995年江西省黄金产量、矿石综合成本和矿石品位的统计数据。1990-1995年江西省黄金产量、矿石综合成本和矿石品位统计表。1990 | 1991 | 1992 | 1993 | 1994 | 1995 | 黄金产量D(㎏)2391 | 2449 | 2762 | 2926 | 3740 | 3884 | 矿石综合成本(元/吨)142 | 141 | 173 | 170 | 254 | 276 | C级(10-6岁)4.81 | 4.73 | 6.43 | 5.54 | 5.02 | 3.81 | 依据公式(1)、(2)，可得到如下预测模型“ 黄金产量D预测模型为： (3)
其中：u=1940 a=－0.1232 D(1) (0) =2391 矿石综合成本S预测模型为： ![]()
(4)其中:U = 100a =-0.1716s (1) (0) = 142，矿石品位C的预测模型为:(5) 其中：u=6.15 a=－0.057 C(1) (0) =4.81 依据公式（3）、（4）、（5），可得表2所示的1998—2000年江西省黄金产量、矿石综合成本、矿石入选品位的预测值。 表2 1998——2000年江西省黄金产量、矿石综合成本、矿石入选品位统计表年(年份)项目| 1998 | 1999 | 2000 | 黄金产量(㎏)4137 | 4679 | 5293 | 矿石综合成本(元/吨)295 | 350 | 415 | 年级(10-6年级)4.42 | 4.17 | 3.95 |
由表2可知，未来几年内，江西省黄金产量逐年增加，至2000年，黄金产量将达5293㎏。矿石综合成本逐年上升，至2000年，矿石综合成本将达到415元/吨。矿石入选品位逐年下降，至2000年，矿石入选品位将只有3.95×10-6。 三、结论 （1）未来几年内，江西省黄金产量逐年提高，矿石综合成本也逐年上升，而矿石入选品位将逐年下降。因此，为保持江西省黄金产量逐年增长，在矿石入选品位下降的情况下，必须扩大矿石的开采规模，在未来几年内，矿石综合成本将逐年上升，矿山开发的经济效益将呈下降趋势。 （2）近几年来，灰色预测方法已在很多领域中得到应用，并取得了较好的效果，引起了越来越多的关注和探索。与一般预测方法相比，灰色预测具有如下特点：①灰色预测需要数据量较少；②灰色预测方式计算简单；③一般情况下，灰色预测不需要太多的关联因素；④灰色预测精度较高，比其他方法模型计算误差小。 第二节 黄金矿产资源开发综合经济效益评价模型 在进行黄金矿产资源开发经济效益的综合评价时，往往要考虑多个经济指标，这样才能较全面地反映其经济效益。这里尝试性运用灰色系统理论中的灰色聚类评估模型，对江西省金山金矿、洋鸡山金矿、留龙金矿、虎墟金矿四矿山综合经济效益进行评估。 一、灰色聚类评估模型方法 灰色聚类是将聚类对象对于不同聚类指标所拥有的白化数，按几个灰类进行归纳，以断断该聚类对象属于哪一类。其一般步骤如下： （一）确定聚类对象和聚类指标 聚类对象记为：i∈｛Ⅰ，Ⅱ，…｝；聚类指标记为：k∈｛1*，2*，…，n*｝；给出不同聚类对象不同聚类指标的白化数dik，构成样本矩阵 D＝[dik] 当各个灰类的白化值在数量上相差太悬殊时，应先作无量纲化处理。 （二）确定灰类及白化函数fkj（x） 一般取“高”、“中”、“低”三种灰类进行分析，记为：j∈｛1，2，3｝。三种灰类的白化函数如图1所示。 图1 三种灰类的白化函数曲线 fkj（dik）为第i个聚类对象的第k个指标属于第j个灰类时的白化函数值。 （三）求标定聚类权ηkj ![]()
(4)求关系σij。 σij为第i个聚类对象第j个灰类的聚类系数。 （五）构造聚类矩阵 （六）聚类 对于任意i，σij*=max｛σij，j=1，2，3｝，则说明第i个聚类对象属于第j个灰类。 二、江西省黄金矿山综合经济效益的灰色聚类评估 （一）确定聚类对象及指标 选取江西省四个黄金矿山（分别为洋鸡山金矿、虎墟金矿、金山金矿、留龙金矿）作为聚类对象，记为：i∈｛ⅠⅡⅢⅣ｝，以固定资产利税、资金利用率、人均利税率、固定资产产值和劳动生产率作为聚类指标，记为：j∈｛1，2，…，5｝，各聚类对象对应于各聚类指标所拥有的白化数各表3所示。 表3 江西省四个黄金矿山19××年经济效益指标统计表 项目| 单比特 | Ⅰ | Ⅱ | Ⅲ | Ⅳ | 固定资产利税万元/万元 | 0.2436 | 0.2188 | 0.0372 | 0.0472 | 资金利用率% | 18.00 | 12.36 | 1.97 | 1.61 | 人均利润税率万元/人 | 0.3164 | 0.3518 | 0.0976 | 0.2360 | 固定资产产值万元/人 | 1.1777 | 0.8150 | 0.6394 | 0.3256 | 劳动生产率万元/人 | 2.79 | 3.19 | 2.1 | 1.76 |
*资料来源:见江西黄金工业概部编委会，江西黄金工业概况(评审稿)(1996.7)。 将表1中数据进行归一化处理并转置得： （二）定义灰类白化灰数 我们选取“高”、“中”、“低”三种灰类进行分析，记为：j∈｛1，2，3｝。 定义fkj为k指标j灰类的白化函数。 各聚类指标高效益的灰数为： ⊙k1∈（0.9，∞） 这表示对所有的聚类指标来说，效益在0.9以上的即为高效益。 各聚类指标中效益的灰数为： ⊙k2∈（0.6－ε，0.6＋ε） 即聚类指标在0.6左右为中等效益。 各聚类指标低效益的灰数为： ⊙k1∈（－∞，0.3） 即聚类指标在0.3以下为低效益。 按上述标准，可绘出图2所示的白化函数。图2 三种灰类的白化函数曲线 （三）求标定聚类权 第K种指标对于第j个灰类效益的权为ηkj （四）求聚类系数 第i个聚类对象对第j个灰类的聚类系数σij （五）构造聚类行向量 对于第Ⅰ矿山，聚类行向量记为σ1 σ1＝（σ11，σ12，σ13） =（0.9942，0.4087，0.0646） 仿此可得 σ2＝（σ21，σ22，σ23） =（0.9504，0.2872，0.4821） σ3＝（σ31，σ32，σ33） =（0.3425，0.5708，0.8363） σ4＝（σ41，σ42，σ43） =（0.3960，0.5940，0.8221） 故有 ![]()
由此可以构建各矿山的效益表，如表4所示。表4显示了各矿山效益表的灰色聚类对象。1级“高” | 2级“中等” | 3级“低” | ⅰ号矿井0.9942 | 0.4087 | 0.0646 | ⅱ矿0.9504 | 0.2872 | 0.4821 | ⅲ矿0.3425 | 0.5708 | 0.8363 | ⅳ.我的0.3960 | 0.5940 | 0.8221 | 6.聚类 对于任意i,若σij*=max｛σij，j=1，2，3｝，这说明第i个聚类对象属于第j个灰类。 由表4可知 σ1j*=σ11=0.9942，表明第Ⅰ个矿山属于1类，即高效益类。 σ2j*=σ21=0.9504，表明第Ⅱ个矿山属于1类，即高效益类。 Σ3j*=σ33=0.8363，表明第Ⅲ个矿山属于3类，即低效益类。 Σ4j*=σ43=0.8221，表明第Ⅳ个矿山属于3类，即低效益类。 总之，高效益的矿山有Ⅰ、Ⅱ，低效益的矿山有Ⅲ、Ⅳ。 三、结论 （1）灰色聚类评估模型可以同时对多个对象、多个目标作出合理的综合评判，具有较强的综合评判能力。 （2）用灰色聚类评估模型对江西省黄金矿山综合经济益的评估结果表明：四个矿山风吹草动有二个属于灰类1，即高效益类；二个属于灰类3，即低效益类。表1中的各项指标可以反映这一步，由此可见，评价结果与实现情况基本一致，评估方法是可行的。 （3）对江西省黄金矿山的经济效益进行综合评价，便于企业进行效益的正确比较与排序，有利于促进企业经济效益的提高。 第三节 黄金矿产资源开发经济效益影响 因素的灰色关联分析模型 黄金矿山经济效益受多种因素制约。这些制约因素有主次之分，哪些是最重要的因素、哪些是较重要的因素呢？哪些是显明的、哪些是潜在的呢？过去对因素分析常用的方法是统计法（如回归分析法），往往要求数据量大，而且还要求数据的分布要典型，结果有时还会出现反常现象。这里运用灰色系统理论中的灰色关联度分析方法，对影响黄金矿山经济效益的几个因素进行分析，找出影响黄金矿山利润的最重要的因素和较重要的因素，为黄金生产经营管理工作者进行科学决策、提高黄金矿山的经济效益提供参考意见。 一、灰色关联度分析方法与步骤 灰色系统理论提出了灰色关联度的概念，它是指系统中两个因素关联性大小的量度，并联度的大小直接反映系统中的各因素对目标值的影响程度。运用灰色关联分析法进行因素分析的一般步骤为： （一）建立参考数列和比较数列 参考数列记为： x0（k） k=1，2，…，n 比较数列记为： xi（k） i=1，2，…，m （二）对各数列进行初值化处理 (6)
其中：j=0，1，2，…，m （三）求关联系数(7)
式中：ρ为分辨系数，一般取0.5。 εi(k)为比较数xi的第k个元素与参考数x0的第k个元素之间的关联系数。 （四）求解关联度 ![]()
γi是比较序列Xi和参考序列X0之间的相关度。(5)秩和比序列是根据关联度γ i，各因素对目标值影响的顺序..二、应用结果及分析按公式(9)进行 式中：P为年利润（万元）；Z为黄金价格（万元/千克）；C为矿石品位（10-6）； kds，为矿石选冶总回收率（%）；kf为采矿贫化率（%）；Cs为冶练产品的金属含量（%）；S为单位矿石成本（元/吨）；D为矿石生产规模（万吨/年）。 上述七个因素不同程度地制约着黄金矿山的年利润。为了提高黄金矿山的年利润，这里以江西省洋鸡山金矿、金山金矿、虎墟金矿、留龙金矿四个矿山的生产统计资料为基本数据，运用灰色关联分析方法对影响黄金矿山年利润的几个因素进行分析。 （一）建立参考数列与比较数列 由公（9）可知，影响黄金矿山年利润的因素有七个，其中，黄金价格为国家计划性价格，受国家经济政治制约，黄金冶炼产品的金属含量通常都接近100%，故均作为常量不予考虑。这样，影响黄金矿山年利润的因素主要有矿石品位、选冶总回收率、采矿贫化率、单位矿石成本和矿山生产规模等五个因素。表5为江西省四个黄金矿山19××年生产统计资料，我们选取年利润数据列为参考数列，记为： x0（k）=｛x0（1），x0（2），x0（3），x0（4）｝=｛257，366，155，146｝ 表5 江西省四个黄金矿山19××年生产统计资料因子矿号| 年利润(万元)X0 | 矿石品位(10-6)X1 | 总回收率(%)X2 | 采矿贫化率(%)X3 | 单位矿石成本(人民币/吨)X4 | 生产规模(吨/日)X5 | 一个257 | 4.46 | 58.03 | 10.10 | 3.48 | 250 | 2366 | 2.87 | 90.98 | 8.0 | 242 | 200 | 三165 | 4.95 | 69.72 | 13.47 | 316 | 100 | 四146 | 3.14 | 80.46 | 14.83 | 226 | 70 |
各影响因素数据列为比较数列，记为 x1（k）=｛x1（1），x1（2），x1（3），x1（4）｝ =｛4.46，2.87，4.95，3.14｝ X2（k）=｛x2（1），x2（2），x2（3），x2（4）｝ =｛58.03，90.98，69.72，80.46｝ …X5（k）=｛x5（1），x5（2），x5（3），x5（4）｝ =｛250，200，100，70｝ (二)对各数列进行初值化处理 依据公式(6)，将表5中各数据列进行初值化处理，结果见表6。 表6 各数据列进行初值化处理表 因子矿号| X0 | X1 | X2 | X3 | X4 | X5 | 一个0.70 | 0.90 | 0.64 | 0.68 | 1.00 | 1.00 | 21.00 | 0.58 | 1.00 | 0.54 | 0.70 | 0.80 | 三0.45 | 1.00 | 0.77 | 0.91 | 0.91 | 0.40 | 四0.40 | 0.63 | 0.88 | 1.00 | 0.65 | 0.28 |
(三)求差序列 由表6求差序列,△i（k）=︱x0（k）-xi（k）︳,则可得表7 表7 求差序列表 k△i(k)| 一个 | 2 | 三 | 四 | 貂皮衣 | maxk | △1=︱x0(k)-x1(k)︳0.20 | 0.42 | 0.55 | 0.43 | 0.20 | 0.55 | △2=︱x0(k)-x2(k)︳0.06 | 0 | 0.32 | 0.48 | 0 | 0.48 | △3=︱x0(k)-x3(k)︳0.02 | 0.46 | 0.46 | 0.60 | 0.02 | 0.60 | △4=︱x0(k)-x4(k)︳0.30 | 0.30 | 0.46 | 0.25 | 0.25 | 0.46 | △5=︱x0(k)-x5(k)︳0.30 | 0.20 | 0.05 | 0.12 | 0.05 | 0.30 | 0 | 0.60 | 最小k | max max i k |
（四）计算关联系数εi（k）与关联度γi 依据公式（3）、（4），经微相处理，可得表8 表8 关联度及关联系数表 k εi(k)| 一个 | 2 | 三 | 四 | γi | εi(k)0.60 | 0.42 | 0.35 | 0.41 | 0.45 | ε2(k)0.98 | 1.00 | 0.48 | 0.38 | 0.71 | ε3(k)0.99 | 0.39 | 0.39 | 0.33 | 0.53 | ε4(k)0.50 | 0.50 | 0.39 | 0.55 | 0.49 | ε5(k)0.50 | 0.60 | 0.98 | 0.71 | 0.70 |
(5)排序 依据表8中关联度γi的大小进行排序,便有 γ2〉γ5〉γ3〉γ4〉γ1 即 矿石选冶总回收率〉矿山生产规模〉采矿贫化率〉单位矿石成本〉矿石品位。 （六）结果分析 （1）矿石选冶总回收率、矿山生产规模是影响黄金矿山年利润的最重要因素 矿石选冶总回收率、矿山生产规模受国民经济的需求、矿床储量的大小及其远景、矿床开采加工条件、基本建设投资以及目前的生产加工技术水平等多种因素的制约。其中矿床储量的大小及其远景是制约矿山生产规模的最重要的因素，一般情况下，矿山生产规模应与矿床储量相适应。矿石选冶总回收率与矿石质量特征、金的赋存状况及其采用的选冶工艺流程有关。就黄金矿床而言，我国黄金矿产为国家急需矿种，大力加强黄金矿产资源的开发，采用先进的选冶工艺流程，提高黄金矿产资源的利用率，对满足国民经济对黄金矿产的需求，缓解国内黄金矿产资源供需不平衡状态具有十分重要的意义。因此，我国黄金矿床在储量许可及技术经济条件许可的条件下，扩大矿山生产规模，提高矿山选冶总回收率，既能提高矿山的经济效益，又能满足国民经济建设的需要。 （2）采矿贫化率是影响矿山年利润的重要因素 采矿贫化率的大小直接影响着矿山年产金属量的多少，从而影响矿山年利润的大小。在矿床地质条件即定的情况下（即矿床的矿石品位一定时）降低采矿贫化率是提高矿山年利润的有效途径。 （3）单位矿石成本和矿石品位是影响矿山利利润的较重要因素 单位矿石成本直接影响矿山年成本的大小，进而影响矿山年利润的大小；矿石品位直接影响矿山年产金属量的多少，从而影响矿山年利润的大小。因此，在矿山规模既定的情况下，降低单位矿石成本也是提高矿山年利润的有效途径。 免责声明：本网部分内容来自互联网媒体、机构或其他网站的信息转载以及网友自行发布，并不意味着赞同其观点或证实其内容的真实性。本网所有信息仅供参考，不做交易和服务的根据。本网内容如有侵权或其它问题请及时告之，本网将及时修改或删除。凡以任何方式登录本网站或直接、间接使用本网站资料者，视为自愿接受本网站声明的约束。
