مقایسه روش های طبقه بندی، شبکه عصبی مصنوعی و رگرسیون چندمتغیره در برآورد بازیابی فلز از بلوک کانسنگ
محل انتشار: مجله مهندسی منابع معدنی، دوره: 5، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 305
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MHRE-5-2_002
تاریخ نمایه سازی: 18 بهمن 1399
چکیده مقاله:
با توجه به نقش بازیابی در محاسبه ارزش اقتصادی بلوک کانسنگ و تأثیر مقدار این ارزش بر محاسبات طراحی و برنامهریزی تولید معدن، تعیین بازیابی فلز از بلوک کانسنگ ارسالی به کارخانه فرآوری، از اهمیت بالایی برخوردار است. هدف از این پژوهش، بررسی قابلیت برآورد بازیابی بلوک کانسنگ بهصورت کیفی و با روشهای مبتنی بر طبقهبندی دادهها از مجموعه روشهای دادهکاوی و بهصورت کمّی، با دو روش رگرسیون چندمتغیره و مدل هوشمند شبکه عصبی، بر اساس دادههای آنالیز خوراک ورودی کارخانه است. برای نیل به این هدف، معدن مس میدوک مورد مطالعه قرار گرفت و با استفاده از 58 نمونه آنالیزشده عیار خوراک کارخانه، شامل عیارهای Cu، CuOو CuS و میزان بازیابی عنصر Cu در محصول نهایی، فرآیند پیشبینی بازیابی کل ذخیره بهصورت کیفی با روشهای طبقهبندی درخت تصمیم، قانون بیز و الگوریتم نزدیکترین همسایه انجام شد. برای برآورد کمّی میزان بازیابی ذخیره، مدل رگرسیون چندمتغیره و شبکه عصبی مصنوعی برای شاخصهای عیاری مذکور و میزان بازیابی بین 47 نمونه از 58 نمونه برقرار شد و توسط 11 نمونه آنالیزشده آزمایشی، مدلهای بهدستآمده اعتبارسنجی شدند. معیارهای میانگین خطا و جذر میانگین مربعات خطا در مدل رگرسیونی به ترتیب 021702/0 و 024972/0 و در مدل شبکه عصبی مصنوعی به ترتیب 015753/0 و 021404/0 محاسبه شدند. بنابراین مدل شبکه عصبی مصنوعی بهعنوان ابزار دقیقتری در پیشبینی بازیابی نسبت به مدل رگرسیون چندمتغیره عمل میکند. نتایج آنالیز حساسیت این مدل نشان داد، عیار Cu مهمترین عامل و عیار CuO و CuS نیز به ترتیب، دیگر عوامل تاثیرگذار بر تغییرات بازیابی هستند.
کلیدواژه ها:
نویسندگان
جواد غلام نژاد
دانشیار، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد
رضا لطفیان
دانشجوی دکتری، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد
یوسف میرزاییان لرد کیوان
استادیار، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :