进口铁矿石取样优化技术研究
来源:用户上传
作者:
摘 要：文章提出对每家进口铁矿石供应商的历史到港铁矿石品质波动率数据和装卸两港品质偏差率数据进行统计分析，建立品质波动率的加权移动平均线，作为推断即将到港检验铁矿石的品质波动率的依据;然后根据判定的品质波动率大小来分配份样个数和份样重量;结合铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率数据，建立份样个数和份样重量的动态调整机制。该进口铁矿石取样优化技术可以实现在不增加港口整体检验次数的前提下降低抽样误差，以更好地整体把握港口卸载的铁矿石品质。
关键词：铁矿石;品质检验;取制样;波动率;加权移动平均线
中图分类号：TF521 文献标志码：A 文章编号：2095-2945（2020）11-0056-02
Abstract： This paper puts forward the statistical analysis of the historical quality fluctuation rate and the quality deviation rate of the loading and unloading ports for each imported iron ore supplier， establishes the weighted moving average of the quality fluctuation rate as the basis for inferring the quality fluctuation rate of the incoming iron ore， and then distributes the number and weight of samples according to the predicted quality fluctuation rate. The dynamic adjustment mechanism of sample number and sample weight is established based on the real-time particle size detection data of the iron ore and the particle size fluctuation rate of the supplier's historical iron ore. The imported iron ore sampling optimization technology can reduce the sampling error without increasing the overall inspection times of the port， so as to better grasp the quality of iron ore in the port.
Keywords： iron ore; quality inspection; sampling; volatility; weighted moving average
1 概述
我國是全球最主要的铁矿石消费国，铁矿石进口量占全球铁矿石贸易量的近70%。2017年我国铁矿石进口量为10.75亿吨，达到历史最高值;2018年我国铁矿石进口量为10.38亿吨，保持在历史高位。浙江口岸是我国主要的铁矿石进口基地之一，2018年宁波舟山港全年累计到港铁矿石1.85亿吨，占全国进口铁矿石总到港量的18.1%，是铁矿石到港量最大的港口。
进口铁矿石的品质波动直接关系到贸易风险和环境风险，涉及到巨大的经济利益和社会效益。进口铁矿石品质方面目前尚无统一的评定标准，仅以贸易合同相关约束条款作为评定依据。秘鲁、智利、伊朗等国由于开采水平有限，矿山采选设备落后，经常出现不同矿区、不同港口混装的现象，整船货物颜色、粒度、含铁量经常出现不均匀的情况，铁矿石品质波动大，部分地区的进口铁矿品质不合格检出率甚至高达100%。澳大利亚铁矿石的粒度不合格情况较多，阿联酋和印度尼西亚铁矿石的铁含量不合格情况较多，马来西亚铁矿石的有害元素含量较高情况较多，秘鲁、伊朗和阿根廷铁矿的硫、磷等杂质元素不合格情况严重。2016-2018年，我国年均检出不合格铁矿石占比高达30%，检出不合格铁矿石年均涉及金额高达150亿美金。
为掌握各个批次进口铁矿石的品质，需要对每批次到港铁矿石进行抽样检验。要从大批量进口铁矿石中取出具有代表性的样品来进行质量检验，铁矿石的取制样技术就处于非常关键的环节。
2 国内外研究现状
铁矿石取制样的现行国际标准为《Iron ores. Sampling and sample preparation procedures》（ISO 3082-2009）[1]。我国的国家标准《铁矿石 取样和制样方法》（GB/T 10322.1-2014）[2]等同于ISO标准。按照铁矿石取制样的ISO标准，需要先对铁矿石进行试验，以判断该批次铁矿石的质量波动属“大”“中”“小”哪个类别，然后确定该批次铁矿石检验的份样个数和份样重量。但是在检验实践中，对铁矿石进行快速试验以判断铁矿石品质波动大小有比较大的难度。
已有两篇文献探讨了如何利用历年积累的检验数据来分析铁矿石的品位波动。应海松等人[3]基于历史检验数据，应用BP神经网络来预测铁矿石品位波动，为铁矿石取制样提供品位波动校核依据，但该文献没有将其作为品质波动大小的判断依据。刘四海等人[4]搜集整理了2011 年以来进口铁矿石舟山港与装货港的检测数据，并对检测结果的偏差进行统计分析，把装卸两港含铁量偏差率大小也作为品质波动大小的依据，但该文献判断铁矿石品质波动大小的依据不够全面具体。其它文献，例如袁晓鹰[5]、张恒瑞[6]、李雪莲[7]等，主要探讨铁矿石取制样设施的自动化程度、操作规程等，都没有考虑如何确定份样个数和份样重量。也有一些文献研究进口铁矿石中有毒有害元素对环境的影响。钟莹等人[8]对从深圳口岸进口的132批次铁矿石中所含有毒有害元素含量进行了分析，发现部分产地的铁矿石中Cd和As的含量较高，存在环境污染风险，需要采取适当的控制措施。张鸟飞等人[9]对浙江嵊泗马迹山口岸229批次进口铁矿石进行有害元素分析，结果表明部分国别的进口铁矿石中S、Cl、As、Cd 的含量超过相关标准所规定的上限值，存在污染风险。 综上所述，还没有文献利用历史检验数据作为进口铁矿石品质波动大小的推断依据，从而优化取样机制以降低抽样误差。
3 铁矿石取制样优化技术
由于主要国际铁矿石供应商的数量是有限的几家，因此可以对每家供应商的历史到港铁矿石品质波动率数据和装卸两港品质偏差率数据进行统计分析，建立铁矿石品质波动率的加权移动平均线，作为推断即将到港检验的铁矿石品质波动率的依据，据此来判断该批次铁矿石的品质波动属“大”“中”“小”哪个类别。对于判定为品质波动率“大”的铁矿石批次，则分配较多的份样个数和份样重量;对于判定为品质波动率“小”的铁矿石批次，则分配较少的份样个数和份样重量。同时，对比铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率平均值，建立份样个数和份样重量的动态调整机制。因此，通过优化取样机制，可以实现在不增加港口整体检验次数的前提下降低抽样误差，更好地整体把握港口卸载的铁矿石品质。具体包括如下三个方面：
3.1 单批次铁矿石品质波动率的综合评价
铁矿石的品质波动率评价，既需要考虑卸货港取样检验得到的品质波动率数据（颜色、粒度、含铁量、有害元素），也需要考虑装卸两港品质检验偏差率数据。在检验实践中，采用专家打分法来确定各项指标的权重，建立综合评价模型，以最终确定该批次铁矿石品质波动率的综合评定值。
3.2 品质波动率的加权移动平均线
移动平均线（Moving Average，简称MA）是用统计分析的方法，将一定时期内的观察值加以平均，并把不同时间的平均值连接起来，形成一根移动平均线，以观察序列变动的趋势。加权移动平均线是指在计算一段时间内观察值的移动平均值时，对最近的观察值赋予较大权重，对较早的观察值赋予较小权重，并把不同时间的加权平均值连接起来，形成一根加权移动平均线。移动平均线是证券投资领域常用的技术指标之一。本文将移动平均线技术推广应用于预测铁矿石的品质波动率，对每家供应商建立铁矿石品质波动率的移动平均线。考虑到最近批次铁矿石品质波动率对未来到港铁矿石品质波动评价的影响大，因此对最近批次铁矿石品质波动率赋予较大的权重，对较早批次铁矿石品质波动率赋予较小的权重，以构造铁矿石品质波动率的加权移动平均线，据此来预测即将到港检验铁矿石的品质波动率。根据推断得到的即将到港铁矿石的品质波动率大小来分配检验的份样个数和份样重量。
3.3 动态调整机制
基于粒度波动率可以实现在线实时检测的有利条件，可以实时对比铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率平均值，建立份样个数和份样重量的动态调整机制：当铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率平均值偏差较大时，可以实时增加该批次铁矿石检验的份样个数和份样重量，以更好地把握该批次铁矿石品质波动情况;当铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率平均值没有较大差异时，就按照加权移动平均线预测的波动率数据来确定份样个数和份样重量，不采取动态调整。
该取样优化技术在宁波港口岸的进口铁矿石检验实践中加以应用，取得很好的效果，在不增加港口整体检验次数的前提下降低了抽样误差，可以更好地整体把握港口卸载的铁矿石品质。
4 结束语
由于原矿环境、采矿工艺、混矿模式等各方面的差异，常常会导致铁矿石品质的较大差异，直接关系到贸易风险和环境风险。不同于快速试验以判断铁矿石品质波动大小的传统方法，本文提出对每家供应商的历史到港铁矿石品质波动率数据和装卸两港品质偏差率数据进行统计分析，建立品质波动率的加权移动平均线，作为推断即将到港检验铁矿石品质波动率的依据，据此来判断该批次铁矿石的品质波动属“大”“中”“小”哪個类别;然后根据判定的品质波动率大小来分配份样个数和份样重量;基于粒度波动率可以实现在线实时检测的有利条件，对比铁矿石粒度实时检测数据和该供应商历史到港铁矿石的粒度波动率平均值，建立份样个数和份样重量的动态调整机制。
宁波港口岸进口铁矿石检验实践表明，该进口铁矿石取样优化技术可以实现在不增加港口整体检验次数的前提下降低抽样误差，以更好地整体把握港口卸载的铁矿石品质，具有很大的经济效益和社会效益。
参考文献：
[1]ISO 3082-2009. Iron ores. Sampling and sample preparation procedures[S].
[2]GB/T 10322.1-2014.铁矿石 取样和制样方法[S].
[3]应海松，李斐真，贺存君，等.基于BP神经网络的铁矿石取样品位波动的校核[J].计算机与应用化学，2012，29（12）：1499-1502.
[4]刘四海，王飞军，陶冶.进口铁矿石装卸两港铁含量检测值差异统计分析[J].广州化工，2013，41（24）：108-109.
[5]袁晓鹰.铁矿取样精密度的探讨[J].现代矿业，2010（10）：120-122.
[6]张恒瑞，周山，陈刚.矿石自动采样系统的应用[J].柳钢科技，2014（2）：34-35.
[7]李雪莲，王振新，陈颖娜，等.矿石卸载取样新技术的LCA评价[J].港口科技，2015（12）：27-29.
[8]钟莹，蔡志群，王成云，等.进口铁矿石中有毒有害元素对环境安全影响的研究[J].广州化工，2006，34（3）：64-67，75.
[9]张鸟飞，陈雯，穆卫华，等.进口铁矿石中有害元素的检测与评价[J].现代矿业，2016（5）：86-87.
转载注明来源:https://www.xzbu.com/1/view-15182236.htm
