基于Vague的安徽省铁矿资源开发利用影响因素分析*

范振林 刘固望

(1.中国国土资源经济研究院；2.中国地质大学(北京)地球科学与资源学院)

基于Vague的安徽省铁矿资源开发利用影响因素分析*

范振林1刘固望2

(1.中国国土资源经济研究院；2.中国地质大学(北京)地球科学与资源学院)

在宏观分析安徽省铁矿资源供需形势的基础上，分析总结了安徽省铁矿资源数量、分布特征及勘查程度，并考虑自然(资源)、经济、社会和环境4个方面，构建基于Vague集合的铁矿资源多因素识别模型，对产能、可采储量、价格、承载力、勘查投入和自给率等相关因素进行识别和排序，得出产能>可采储量>价格>承载力>勘查投入>自给率的结论，建议立足省内，加大勘查力度，合理布局，有序开发，并务实理智地“走出去”，开展国际合作和国际化经营，保障安徽省铁矿资源持续稳定供给。

Vague 安徽省 铁矿资源 开发利用

随着中国工业化、信息化和城镇化建设高峰相继逼近，安徽省正处于经济社会全面发展的重要战略机遇期，同时也迈入以资源环境约束加大为主要特征的矛盾凸显期，在未来相当长一段时期内(10～15 a)，安徽省经济发展的基本面未变，影响资源需求的基本因素也没有发生根本性变化，资源需求刚性上升和资源有限供给刚性制约的“两难”矛盾将愈益凸显[1]，重要矿产资源的开发利用与生态环境保护之间的矛盾也愈演愈烈，供不应求格局不会发生根本性改变。

1 安徽省铁矿资源开发利用影响因素

安徽省铁矿资源相对丰富，查明资源储量48.08亿t；类型齐全，以磁铁矿为主；矿石品位偏低，富铁矿少，查明富铁矿资源储量仅0.01亿t；已查明铁矿区共有293处，其中大型矿区18处，查明资源储量28.57亿t，占总查明资源储量的59.41%；勘查程度较高，以普查和详查为主，在铁矿已查明资源储量中，达到详查和勘探水平的超过92.62%。

针对安徽省铁矿资源分布及开发利用特点，考虑区域自然环境背景和地质背景条件，从铁矿资源开发利用影响因素的共性和特殊性进行分析，注重运用综合经济指标和量化指标，通过对安徽省铁矿资源开发利用进行实地调查和影响因素分类统计，建立影响因素与铁矿资源勘查开发的对应关系，结合自然地理背景和影响因素分类识别，构建安徽省铁矿资源开发利用影响因素评价指标体系，见表1。

2 基于Vague的铁矿资源开发利用影响因素分析

2.1 铁矿资源开发利用影响因素选择

主要采用定量分析方法识别安徽铁矿资源开发利用影响因素，考虑自然(资源)、经济、社会和环境4个方面和7个指标，确定定量评价的指标体系[3]，见图1。

图1 安徽省铁矿资源开发利用指标选择

2.2 基于Vague集的多因素识别模型构建

基于Vague集合的多因素识别模型基本思路：①建立以识别因素为列向量，各年份的因素函数值为行向量的识别矩阵；②求解识别矩阵；③对各年份内各个因素的评分值(影响力)进行排序；④分析各个因素评分值走势。

2.2.1 基于Vague集的识别矩阵的基本原理

多因素识别模型描述为maxx∈U{f(x)}，其中，U是识别空间，x为识别因素，f(x)=(f1(x),f2(x),…，fm(x))T是表示m个因素的向量函数，若识别空间是有限个识别因素组成，即U={x1,x2,…，xn}，式中f(xj)=(f1(xj),f2(xj),…，f(xj))T,j=1,2,…，n，表示xj的目标值向量[4]。记fij(x)=fi(xj),i=1,2,…，m,j=1，2，…，n，则fij表示xj的第i个目标值。对于这种多因素有限的识别，其因素空间可直观地用如下识别矩阵F表示：

表1 安徽省铁矿资源勘查开发利用影响因素评价指标体系

在确定因素识别矩阵前，还需确定因素优属度。目前确定因素优属度的方法有多种:

对于效益型因素，其相对优属度为

μij=(fij/fimax)pi.

(1)

对于成本型因素，其相对优属度为

(2)

对于固定型因素，其相对优属度为

(3)

至此，可以将识别矩阵F变换为因素优属矩阵μ=[μij]m×n.

定义1：设f(x)=(f1(x),f2(x),…，fm(x))T是表示m个因素的向量函数;F为识别矩阵;μ为识别矩阵F相对应的因素优属矩阵；设因素的权重向量为w={w1,w2,…，wm},若因素无权重，wi=0,i=1,2,…，m，定义此因素识别矩阵为

定义3：设f(x)=(f1(x),f(x),…，fm(x))T是表示m个因素的向量函数，若识别空间由有限个识别因素组成，即X={x1,x2,…,xn}，其因素识别矩阵K=[kij]m×n，再设识别者接受的真隶属函数值下界为λU；识别者接受的假隶属函数值上界λL：

(1)如kij≥λU，则第i个因素函数对于第j个专家属于真隶属函数值。

(2)如kij≤λL，则第i个因素函数对于第j个专家属于假隶属函数值。

(3)如λL≤kij≤λU，则第i个因素函数对于第j个专家属于中立隶属函数值。

定义4：称满足Fj={fi∈f|kij≥λU}为第j个专家的真隶属函数值集，Aj={fi∈f|kij≤λL}为第j个专家的假隶属函数值集，Nj={fi∈f|λL≤kij≤λU}为第j个专家方案的中立隶属函数值集。

定义5：设y=[t(x),1-f(x)]为一个Vague值，此处t(x)∈[0，1]，f(x)∈[0，1]，t(x)+f(x)≤1，定义评分函数score(x)=t(x)-f(x)，来度量对于识别者的认可程度。

2.2.2 基于Vague集的多因素识别基本步骤

综合多因素识别模型的基本理论，多因素识别模型解答的基本步骤如下：

①将识别矩阵F转化为因素优属度矩阵μ；②将因素优属度矩阵μ转化为因素识别矩阵K；③设定识别者接受和不接受的上、下界，求出各方案的支持、反对和中立因素集；④计算得出各个因素的Vague值；⑤计算各个因素的评分函数值；⑥分析各个因素评分值的走势。

2.2.3 数据收集

安徽铁矿资源开发利用影响因素识别中可采储量(Recoverable Reserves，Rs)、铁矿石价格(Price，Pr)、勘查投入(Exploration investment，Ei)、产能(Capacity，Ca)、人口承载力(Capacity of population，Cp)、经济承载力(Capacity of economic，Ce)、自给率(Self-sufficiency rate，Sr)为2005—2011年安徽铁矿资源方面的数据，见表2。

表2 安徽省铁矿资源开发利用影响因素识别模型数据

注：1.铁矿石价格为霍邱65%铁精粉干基不含税价；2.产能为实际采矿能力；3.安徽省无铁矿石出口。数据来源：安徽省矿产资源年报、矿业报、安徽省统计年鉴等。

2.2.4 铁矿资源开发利用影响因素识别

设识别因素x=(x1,x2,x3,x4,x5,x6,x7)T=(Rs,Pr,Ei,Ca,Cp,Ce,Sr)T，得到识别矩阵为

并将识别矩阵F转化为因素优属度矩阵μ为

考虑到并未将所有开发利用影响因素考虑在内，故可认为各因素的权重为零。此时，wi=0，得到kij=μij，因素识别矩阵K=因素优属度矩阵μ，即得到因素识别矩阵K为：

取3组隶属行数上、下界值进行多因素识别：

(1)令λU=0.57,λL=0.80, 则各年的支持因素集、反对因素集和中立因素集分别为F1={f6,f7}，A1={f1,f3}，N1={f2,f4,f5},同理求出Fi，Ai，Ni,i=2,3,4,5,6,7,则F2={f7}，A2={f1,f2,f3,f4}，N2={f5,f6}；F3={f7}，A3={f1,f2,f3,f4,f5,f6}，N3={φ}；F4={f2,f7}，A4={f4,f5}，N4={f1,f3,f6}；F5=(f5,f7)，A5={f1,f2,f3,f4}，N5={f5}；F6={f1}，A6={f3,f4,f5,f6,f7}，N6={f2}；F7={f2}，A7={f3,f4,f5,f6,f7}，N7={f1}。于是

得到x1的Vague值为ν1=[0.405 61,0.212 74]，同理可得ν2=[0.306 46,0.261 20]，ν3=[0.474 47,0.525 53]，ν4=[0.399 64,0.134 94]，ν5=[ 0.425 98,0.431 58]，ν6=[0.355 92,0.376 03]，ν7=[0.365 17,0.423 03]。

计算该7年的评分函数值：score(x1)=0.192 87,score(x2)=0.045 26,score(x3)=-0.051 06,score(x4)=0.264 70,score(x5)=-0.005 60,score(x6)=-0.020 11,score(x7)=-0.057 86。

由此得到多因素评分值(影响力)排序为x4>x1>x2>x5>x6>x3>x7。

(2)λU=0.54,λL=0.75, 则各年的支持因素集、反对因素集和中立因素集分别为F1={f6,f7}，A1={f1}，N1={f2，f3,f4,f5},同理求出Fi，Ai，Ni,i=2,3,4,5,6,7,则F2={f6,f7}，A2={f1,f2,f3,f4}，N2={f5}；F3={f7}，A3={f1,f2,f3,f4,f5,f6}，N3={φ}；F4={f1,f6,f7}，A4={f4,f5}，N4={f2,f3}；F5=(f6,f7)，A5={f1,f2,f3,f4}，N5={f5}；F6={f1,f2}，A6={f3,f4,f5,f6,f7}，N6={φ}；F7={f2}，A7={f3,f4,f5,f6,f7}，N7={f1}。

计算各个因素的Vague估计值:ν1=[0.405 61,0.101 49],ν2=[0.544 17,0.261 20]，ν3=[0.474 47,0.525 53]，ν4=[0.513 54,0.134 94]，ν5=[0.425 98,0.431 58]，ν6=[0.623 97,0.376 03]，ν7=[0.365 17,0.423 04]。

计算该7年的评分函数值：score(x1)=0.304 12,score(x2)=0.282 97,score(x3)=-0.051 06,score(x4)=0.378 60,score(x5)=-0.005 60,score(x6)=-0.247 94,score(x7)=-0.057 87。

由此得到多因素评分值(影响力)排序为x4>x1>x2>x6>x5>x3>x7。

(3)λU=0.50,λL=0.70, 则各年的支持因素集、反对因素集和中立因素集分别为F1={f4,f5,f6,f7}，A1={f1}，N1={f2，f3}，同理求出Fi，Ai，Ni,i=2,3,4,5,6,7,则F2={f6,f7}，A2={f1,f2,f3,f4}，N2={f5}；F3={f7}，A3={f1,f2,f3,f4,f5,f6}，N3={φ}；F4={f1,f2,f3,f6,f7}，A4={f4,f5}，N4={φ}；F5=(f6,f7)，A5={f1}，N5={f2，f3,f4,f5}；F6={f1,f2}，A6={f3,f4,f5,f6,f7}，N6={φ}；F7={f2}，A7={f3,f4,f5,f6,f7}，N7={f1}。

计算各个因素的Vague估计值：ν1=[0.670 89,0.101 49],ν2=[0.544 16,0.261 20]，ν3=[0.474 47,0.525 53]，ν4=[0.865 06,0.134 94]，ν5=[0.425 98,0.143 44]，ν6=[0.623 97,0.376 03]，ν7=[0.376 03,0.423 04]。

计算该7年的评分函数值：score(x1)=0.569 40,score(x2)=0.282 96,score(x3)=-0.051 06,score(x4)=0.730 12,score(x5)=0.282 54,score(x6)=0.247 94,score(x7)=-0.057 85。

由此得到多因素评分值(影响力)排序为x4>x1>x2>x5>x6>x3>x7。

2.2.5 识别结果分析

对比上述3种识别结果可知，7个因素对安徽铁矿资源开发利用评分值(影响力)排序综合为2种情况，即产能>可采储量>价格>人口承载力>经济承载力>勘查投入>自给率，产能>可采储量>价格>经济承载力>人口承载力>勘查投入>自给率。若将人口承载力和经济承载力合称为承载力，则最后的评分值(影响力)排名为产能>可采储量>价格>承载力>勘查投入>自给率。

3 结 语

安徽正处于工业化中前期、重化工业化阶段，经济高速增长、工业化和城镇化的快速推进依赖于铁矿资源的大量消耗；由于工业化起点、资源禀赋、经济结构、政府政策、地缘环境及工业化过程中技术环境的不同，其铁矿资源开发利用影响因素具有明显差异；需要立足省内，合理布局，有序开发，增加供应能力，处理好“两个市场”关系，降低对外依存度；加大勘查力度，增加储量；提高铁矿企业的核心竞争力[4]，实现规模化开采；推动“减量化”用钢，提高废钢资源管理和利用水平；坚持务实理智地“走出去”，以保障安徽省资源供给、工业化的顺利进行和现代化目标的如期实现。

[1] 范振林.中国矿产资源消耗与经济社会发展[J].现代矿业，2013(2):1-4.

[2] 张晓斌，赵定涛.城市关键成功因素的识别模型与应用[J].科技管理研究,2006(6):107-200.

[3] 唐志刚.Vague集理论及其应用研究[D].南宁：广西大学，2007.

[4] 范振林，马茁卉.浅论中国矿业企业跨国并购[J].中国矿业，2010(9):8-11.

*国土资源部软科学资助项目(编号：2012—17)；安徽省国土资源厅软科学研究项目(编号：2012—019)。

2014-10-16)

范振林(1981—)，男，助理研究员，硕士，101149 北京市。