本發明涉及工藝優化，具體為一種基于機器學習的黃金礦山開采工藝優化方法及系統。
背景技術：
1、黃金礦山開采通常依托智能調度系統對開采順序與采場結構參數進行持續滾動優化，以在復雜工況與資源約束下實現效率與成本目標的動態平衡。該類系統的核心任務是在生產節拍不斷變化、作業耦合關系強、環境擾動頻繁的條件下，持續生成可執行的開采方案，并在滿足安全邊界的前提下盡可能提高產出效率與資源利用水平。
2、在滾動優化過程中，智能調度系統為了追求局部最優，往往會在多個生產周期內對采場結構參數進行小幅度迭代調整；單次調整在當期看來具有合理性，但跨周期累積后會形成相對于設計基準的長期偏差。該長期偏差會改變采場結構的幾何約束與承載條件，使圍巖受力路徑在歷史開采活動中持續遷移與重排；在深部環境下，這種遷移具有明顯的路徑依賴特征，即早期偏差會改變后續受力重分布的方向與幅度，從而使局部最優的參數迭代逐步演化為全局不利的受力格局。當受力格局在長期累積偏差驅動下發生不利演化時，現場可能出現局部冒落、動力失穩或關鍵通道不可用等事件，進而迫使開采順序跳序、作業任務中斷并觸發頻繁重排。由于開采作業之間存在強耦合與連鎖依賴，上述事件會快速傳導至運輸組織、支護安排與作業節拍，造成生產節拍斷裂、停工窗口擴大與成本失控，同時顯著增加安全事故與系統性停產風險。
3、現有技術的根本缺陷在于：滾動優化通常以單周期的可行性校核與局部目標改進為主，將工程約束固化為靜態或弱時變邊界，缺乏對采場結構參數跨周期累積偏差的顯式跟蹤與量化表達，也缺乏將該累積偏差與圍巖受力路徑演化之間建立可學習映射并反饋到滾動優化過程中的機制。由于無法對當期有效但跨周期累積后不利的隱蔽風險，進行前瞻識別與約束自適應調整，現有技術容易在效率目標驅動下持續積累不利受力狀態，并在后期以突發失穩與不可用狀態的形式集中暴露。
技術實現思路
1、針對現有技術的不足，本發明提供了一種基于機器學習的黃金礦山開采工藝優化方法及系統，能夠有效解決上述背景技術中涉及的問題。
2、為實現以上目的，本發明第一方面通過以下技術方案予以實現：一種基于機器學習的黃金礦山開采工藝優化方法，包括：收集黃金礦山開采過程的生產計劃數據和工藝執行數據，分析得到黃金礦山開采過程的工藝執行數據集，對工藝執行數據集進行差分累計分析，得到黃金礦山開采過程的參數累計偏移向量。
3、根據黃金礦山開采過程的生產計劃數據和參數累計偏移向量，綜合構建得到黃金礦山開采過程的圍巖受力路徑特征向量。
4、將黃金礦山開采過程的圍巖受力路徑特征向量輸入到安全裕度衰減預測模型中，得到黃金礦山開采過程的安全儲備系數衰減量與失穩閾值跨越風險值。
5、基于黃金礦山開采過程的安全儲備系數衰減量與失穩閾值跨越風險值，處理得到黃金礦山開采過程的動態安全約束集，根據動態安全約束集對黃金開采工藝參數進行優化配置。
6、進一步地，所述收集黃金礦山開采過程的生產計劃數據和工藝執行數據的方法為：提取黃金礦山開采過程的生產計劃數據與黃金礦山開采過程的工藝執行數據。
7、黃金礦山開采過程的生產計劃數據包括黃金礦山開采過程的開采順序、開采作業任務編號、計劃開始時間、計劃結束時間、計劃產量與計劃設備信息，并將開采順序編碼為以開采順序序號遞增的開采順序序列，開采順序序列用于表征計劃層面的作業先后關系與任務間依存關系，并為后續生產周期劃分及歷史累加順序提供統一索引。
8、黃金礦山開采過程的工藝執行數據包括黃金礦山開采過程的開采作業任務編號、實際開始時間、實際結束時間、實際產量與采場結構參數，采場結構參數包含礦柱寬度、采場跨度、分段高度、回采步距與采切比。
9、進一步地，所述分析得到黃金礦山開采過程的工藝執行數據集的方法為：在獲得生產計劃數據和工藝執行數據后，基于開采作業任務編號建立生產計劃數據與工藝執行數據的任務級關聯關系，并對生產計劃數據與工藝執行數據進行關聯校驗，得到黃金礦山開采過程的工藝執行數據集。
10、進一步地，所述對工藝執行數據集進行差分累計分析的方法為：根據預先設定的基準采場結構參數，結合工藝執行數據集，綜合分析得到黃金礦山開采過程的參數累計偏移向量，參數累計偏移向量包括采場結構參數累計偏移向量與采場結構參數累計偏移向量對應的開采作業任務編號、預設生產周期標識。
11、進一步地，所述綜合構建得到黃金礦山開采過程的圍巖受力路徑特征向量的方法為：收集黃金礦山開采過程的目標采場的生產計劃數據與參數累計偏移向量，對生產計劃數據中的開采順序序列進行分析，得到黃金礦山開采過程的目標采場的歷史回采序列及目標采場的空間鄰接關系列表。
12、對參數累計偏移向量進行處理，得到目標采場及目標采場所有直接空間相鄰采場的累計偏移數據。
13、基于所述歷史回采序列、空間鄰接關系列表及累計偏移數據，按照預設的編碼與組合規則進行向量化組裝，得到黃金礦山開采過程的目標采場的圍巖受力路徑特征向量。
14、進一步地，所述安全裕度衰減預測模型的訓練方法為：構建安全裕度衰減訓練數據集，利用安全裕度衰減訓練數據集進行監督訓練，得到安全裕度衰減預測模型。
15、構建安全裕度衰減訓練數據集的方法為：
16、收集歷史生產過程中的目標采場的圍巖受力路徑特征向量作為安全裕度衰減預測模型的輸入特征，為輸入特征標注目標標簽，形成一條完整的訓練樣本，匯總所有訓練樣本，構建安全裕度衰減訓練數據集，目標標簽包括安全儲備系數衰減量標簽與失穩閾值跨越風險值標簽。
17、進一步地，所述處理得到黃金礦山開采過程的動態安全約束集的方法為：收集黃金礦山開采過程的安全儲備系數衰減量與失穩閾值跨越風險值，對安全儲備系數衰減量進行分析，得到黃金礦山開采過程的動態安全儲備系數約束值。
18、對失穩閾值跨越風險值進行分析，得到黃金礦山開采過程的采場結構參數調整幅度約束。
19、對失穩閾值跨越風險值及其在開采順序序列中的位置進行分析，得到黃金礦山開采過程的開采順序鄰接約束。
20、對動態安全儲備系數約束值、采場結構參數調整幅度約束與開采順序鄰接約束進行組合，得到黃金礦山開采過程的動態安全約束集。
21、進一步地，所述根據動態安全約束集對黃金開采工藝參數進行優化配置的方法為：收集動態安全約束集，對動態安全約束集中的采場結構參數調整幅度約束進行分析，得到符合約束的采場結構參數更新值。
22、對動態安全約束集中的開采順序鄰接約束進行分析，得到符合約束的回采作業開始時間。
23、將采場結構參數更新值與回采作業開始時間進行組合，得到黃金開采工藝參數優化配置數據，根據黃金開采工藝參數優化配置數據進行優化配置。
24、本發明第二方面提供一種基于機器學習的黃金礦山開采工藝優化系統，包括：差分累計分析模塊，用于收集黃金礦山開采過程的生產計劃數據和工藝執行數據，分析得到黃金礦山開采過程的工藝執行數據集，對工藝執行數據集進行差分累計分析，得到黃金礦山開采過程的參數累計偏移向量。
25、特征向量構建模塊，用于根據黃金礦山開采過程的生產計劃數據和參數累計偏移向量，綜合構建得到黃金礦山開采過程的圍巖受力路徑特征向量。
26、特征向量分析模塊，用于將黃金礦山開采過程的圍巖受力路徑特征向量輸入到安全裕度衰減預測模型中，得到黃金礦山開采過程的安全儲備系數衰減量與失穩閾值跨越風險值。
27、優化配置模塊，用于基于黃金礦山開采過程的安全儲備系數衰減量與失穩閾值跨越風險值，處理得到黃金礦山開采過程的動態安全約束集，根據動態安全約束集對黃金開采工藝參數進行優化配置。
28、本發明具有以下有益效果：
29、本發明通過對工藝執行數據集進行差分累計分析，形成參數累計偏移向量，并將參數累計偏移向量與開采作業任務編號、預設生產周期標識綁定，使多個生產周期內小幅度迭代調整造成的長期累積偏差能夠被連續追蹤與量化表達，從而把原本分散在不同周期、不同任務記錄中的偏差累積過程統一映射到可計算的向量輸入中，增強滾動優化對長期偏移風險的可識別性與可解釋性，降低因單次校核通過但跨周期累積失真導致的安全儲備系數隱蔽衰減與后續周期失穩觸發概率。
30、本發明基于生產計劃數據中的開采順序序列構建歷史回采序列與開采-鄰接關系列表，并將目標采場及其直接空間相鄰采場的參數累計偏移向量按空間方位順序拼接，同時引入鄰接面在歷史序列中被依次分析的次序編碼，得到固定維度的圍巖受力路徑特征向量，實現對回采次序、鄰接面揭露次序與結構參數長期偏移的統一結構化編碼，使圍巖受力路徑變化同時具備時間順序約束與空間鄰接約束的可計算表達，從而降低滾動優化時刻對原始數據形態與采場數量變化的敏感性，提升不同生產周期之間輸入的一致性、可復用性與可比性，為后續安全裕度衰減預測模型提供更穩定、更具區分度的特征輸入基礎。
31、本發明將圍巖受力路徑特征向量輸入到安全裕度衰減預測模型，同步輸出安全儲備系數衰減量與失穩閾值跨越風險值，并據此生成動態安全約束集，將動態安全儲備系數約束值、采場結構參數調整幅度約束與開采順序鄰接約束組合為可執行的限制性規則，再對采場結構參數以及回采作業開始時間進行匹配更新與順序安排，使工藝參數配置策略在數值模擬計算的安全儲備系數滿足動態安全儲備系數約束值的前提下輸出，從而把風險預測結果直接轉化為參數調整邊界與開采順序邊界，增強滾動優化在復雜工況下的安全約束一致性與工藝參數配置穩定性，降低因隱蔽失穩閾值跨越引發的跳序、節拍斷裂與系統性停產風險。