浮选指标预测模型的应用 - 数学建模社区-数学中国

该浮选试验主要是处理安徽某硫铁矿矿石原矿中含有，属于低铜铁高硫矿石。该选矿厂原来釆用优先浮选铜，得到铜精矿和硫精矿的浮选工艺流程，原工艺并未回收铁。近年来随着钢铁行业的发展，提高铁资源的回收与利用称为各含铁选矿厂的目标。针对本矿物的性质，选矿厂以先浮后磁得到铁精矿，然后再进行铁精矿反浮选脱硫的研究，进行了调节值、活化剂、捕收剂的单因素试验各有组试验）和活化剂与捕收剂正交试验有组试验，得到的组试验数据见表。

浮选试验研究的目的通常是为了寻找更好的浮选精矿指标，在此之前，没有意识到对于影响浮选的众多因素中有一类因素不能影响浮选工作区间的曲线，导致进行的条件试验中往往存在大量的第二类因素试验，进而造成浮选试验的精矿指标最终都落在同一条曲线上。事实上，值、活化剂、捕收剂的单因素试验各有组试验和活化剂与捕收剂正交试验有组试验，只需要少许试验就够了。本文中用正态分布曲线模型中只有两个参数，理论上只要有不少于两组试验数据就可以确定曲线，进行精矿指标的预测，可以减少资源的浪费。

我们认为，在本试验中调节值、活化剂、捕收剂以及活化剂与捕收剂正交试验，这些因素并不能改变颗粒的集合状态，不能影响回收率曲线，故都属于第二类因素。因此，本论文拟釆用调节值的三组数据表中序号，对其他条件试验结果进行预测。

将得到的该正态分布曲线模型用于预测活化剂试验、捕收剂试验及活化剂与捕收剂正交试验表中序号的铁精矿指标。表中列出了模型的预测值，计算得出相对误差，结果证明模型具有很高的预测精度；图画出了铁矿的试验数据点和基于正态分布的曲线，试验数据基本落在同一条曲线上，说明值、活化剂与捕收剂在本试验中都属于第二类因素，实际上不必做这么多试验。虽然只通过三组实验数据建立正态分布的模型对精矿指标进行预测，但是从表中可以看出模型的预测精度高，预测指标中精矿品位和回收率的最大相对误差分别为和，平均相对误差分别. 预测结果说明了基于正态分布的曲线模型的准确性，为浮选指标的预测提供了可行的技术手段。值得注意的是，上面给出的试验是铁精矿反浮选脱硫的应用实例，故基于正态分布的曲线模型不仅能用于正浮选精矿指标的预测，同样能应用于反浮选精矿指标的预测。