پیشبینی عیار و بازیابی مس کارخانه فلوتاسیون مس سرچشمه کرمان با استفاده از شبکه عصبی مصنوعی

در این مطالعه، پیش بینی عیار و بازیابی مس در مدار شناورسازی کارخانه تغلیظ مجتمع مس سرچشمه کرمان با استفاده از شبکه عصبی مصنوعی بررسی گردید. پارامترهای ورودی شبکه pH، غلظت کلکتور و کفساز، درصد ابعاد کوچکتر از ۷۵ میکرون در بار ورودی شناورسازی و عیار مس و مولیبدن در بار ورودی هستند. مدلسازی بر اساس ۹۲ اندازه گیری دسته داده تحت شرایط عملیاتی مختلف انجام شد. این دادهها به ترتیب با نسبت ۱:۴ به دادههای آموزش و آزمایش تقسیم شدند. تعداد بهینه لایه های مخفی و نورون ها در هر لایه با استفاده از روش سعی و خطا تعیین گردید. در نهایت شبکه عصبی چند لایه پرسپترون (MLP) با شش نورون در لایه مخفی اول و پنج نورون در لایه مخفی دوم به عنوان ساختار مناسب انتخاب گردید .(۶:۶:۵:۲) مقدار ضریب همبستگی (R) مناسب ۰/۹۸ و ۰/۹۳ به ترتیب در مراحل آموزش و آزمایش برای عیار مس و به همین ترتیب مقادیر ۰/۹۹ و ۰/۹۲ برای بازیابی مس بدست آمد. این نتایج نشان داد، مدل شبکه عصبی پیشنهادی را میتوان برای تخمین عیار و بازیابی مدنظر مس در کنسانتره نهایی فرایند شناورسازی بکار کرد.