[发明专利]一种基于系统动力学的金属资源代谢过程预测方法

说明书

本发明属于时空大数据挖掘领域，尤其涉及一种基于系统动力学的金属资源代谢过程预测方法。预测方法包括：将金属资源状态量按照金属资源代谢阶段进行分类；根据不同阶段金属资源状态量的转换关系，构建金属资源代谢动力学模型；基于统计数据计算金属资源社会蓄积量；采用模拟退火算法求解模型参数；并对自然矿产中提炼的金属资源材料量和金属材料净进口量进行预测；根据上述各预测值和参数，基于金属资源代谢动力学模型预测金属资源状态量。该方法极大地减少了预测结果的统计调查数据依赖性，避免引入主观经验参数，具有更强的现实性和可解释性，提高了金属资源代谢过程预测结果的可靠性和实用性。

技术领域

本发明属于时空大数据挖掘领域，尤其涉及一种基于系统动力学的金属资源代谢过程预测方法。

背景技术

随着我国科技水平和现代化程度不断提高，城市生产建设水平和人类生活消费水平逐渐提高，铁、铜和铝等金属资源宏观需求和生产体量持续增加。然而，金属资源生产力度盲目扩张极易造成金属产能过剩和供大于求的结构性矛盾，富集过多的报废产品和废旧金属，最终给当前回收效率低、回收节点少、回收覆盖窄的金属回收体系带来巨大冲击和严重威胁，从而诱发重金属污染、土地资源占用、金属资源浪费等一系列社会问题。

政府部门和行业组织对于金属资源的科学调控与合理指导离不开金属资源代谢过程的定量认知与可靠预测。金属资源代谢过程包括生产加工、投入使用、报废回收三个阶段。其中，自然矿产经历开采、加工、提纯等工业环节成为金属制品的过程称为生产加工阶段；该阶段产生的金属制品以社会产品形式为人类提供服务时，即进入投入使用阶段，直到该金属制品无法继续满足人类生产生活使用需求；最终，各类报废金属制品从进入回收站点开始，到被重新提炼或被直接丢弃期间属于报废回收阶段，成功回收的金属作为原材料重新进入生产阶段继续参与金属资源代谢循环。当前我国仍然存在各阶段金属资源代谢过程认知不清、金属资源未来趋势难以准确把握的问题，严重阻碍了我国金属资源生产和回收策略的精细化制定与适应性调整，最终制约了我国绿色低碳可持续发展之路。因此，科学可靠地建模金属资源代谢过程并预测未来发展态势是当前亟需解决的关键难题。

当前，金属资源代谢过程建模与预测方法主要有三类，即物质流分析法、平均寿命法和回归分析法。其中，物质流分析法基于行业企业和社会消费等多源统计数据，通过“自下而上”或“自上而下”方式估算处于使用阶段的金属资源使用存量。然而，该方法仅能估算金属资源在用存量而无法预测其未来态势。平均寿命法从金属制品使用年限视角出发，利用各类金属制品在用存量和寿命概率分布估算金属资源报废回收存量，该方法需要精细区分不同金属制品的生产年份与服务时长，同时依赖主观经验和专家知识确定众多复杂的模型参数。然而，当前社会中金属制品的种类多且更新换代快，必然导致平均寿命法预测结果与实际情况存在较大不确定的偏差。回归分析法通常利用自回归或多元回归等回归建模方式，定量拟合社会经济等解释变量与金属资源代谢存量关系。由于各阶段金属资源存量存在显著的时空异质性和状态依赖性，简单线性回归方式难以表征不同阶段金属资源存量与真实代谢过程，预测效果欠佳，同时如何科学选择解释变量并减少解释变量引入的不确定性也是该方法应用的一大挑战。

以上方法需要大量完备的高质量数据支撑才能保证估算结果的可靠性和稳健性，数据收集与统计分析要求较高且操作繁琐，另外现有技术大多面向金属资源的单个阶段进行建模，依赖主观经验进行参数设置与变量选择，忽略了不同阶段金属资源之间的转化约束和规律联系，导致各阶段金属资源存量预测变差甚至结果冲突。

发明内容

针对上述技术问题，为了突破现有技术依赖高质量数据和割裂代谢过程的局限性，解决现有技术预测结果不稳健和不精确问题，本发明结合现实世界中金属资源真实代谢转换，构建基于系统动力学的金属资源代谢过程建模与预测模型。

基于上述目的，本发明提供了一种基于系统动力学的金属资源代谢过程预测方法，具体包括：

将金属资源状态量按照金属资源代谢阶段进行分类获得金属资源材料量、金属资源社会蓄积量和金属资源报废量；