【技術實現步驟摘要】
本專利技術涉及一種鐵礦石分選大數據分析決策系統。
技術介紹
1、近年來，隨著我國能源產業的飛速發展，鐵礦石的用量大幅攀升。需要注意的是，鐵礦石作為一種中間產品并不能直接用于工業制造，必須歷經分選提煉才可能有效進行工業生產。
2、當前的鐵礦石的分選工藝仍然較為粗放。鐵礦石的分選涉及到多個參數的應用。如果參數選擇不對，則很可能嚴重影響鐵礦石分選后最終的品位，導致出現大量的礦石浪費。
3、而此類分選參數的選擇，在實踐中往往依然需要依靠技術工人的經驗進行，至今為止也沒有提出一種科學的方式來進行智能化選擇，這就導致了工作效率的降低，同時嚴重影響鐵礦石分選后的最終品位，造成極大的浪費，從而推高了相應的原料成本。
技術實現思路
1、本專利技術提供一種鐵礦石分選大數據分析決策系統，有效地解決了現有技術中存在的上述技術難題。
2、具體而言，本專利技術提供一種鐵礦石分選大數據分析決策系統，在鐵礦石分選過程中，首先通過磁選以特定的磁場強度從原礦中篩出鐵精礦并余下首次余礦，然后通過浮選以特定的礦漿質量濃度從首次余礦中篩出銅精礦并余下二次余礦，然后通過特定次數的掃選從二次余礦中篩出尾礦，所述系統包括存儲單元、運算單元、決策單元，存儲單元存儲有歷史上n次鐵礦石分選過程中的礦石數據，其中，n≥5，每一次的礦石數據包括參數數據，即，磁選所采用的磁場強度、浮選所采用的礦漿質量濃度、掃選所采用的掃選次數，還包括結果數據，即，鐵精礦中的鐵含量和銅含量、銅精礦中的鐵含量和銅含量、尾礦中
3、優選地，設定基礎鐵含量為a0，基礎銅含量為b0，每一次礦石數據中，鐵精礦占原礦的質量占比為k1，鐵精礦中鐵含量為a1且銅含量為b1，銅精礦占原礦的質量占比為k2，銅精礦中鐵含量為a2且銅含量為b2，尾礦占原礦的質量占比為k3，尾礦中鐵含量為a3且銅含量為b3，由此計算該次礦石數據中的鐵銅相對含量d：
4、
5、由此求得n次礦石數據的鐵銅相對含量d1、d2、…dn，然后在這n個鐵銅相對含量的數值中選取最大值dmax＝max{d1、d2、…dn}以及最小值dmin＝min{d1、d2、…dn}。
6、優選地，決策單元以n次礦石數據作為數據總集，以上述三個子含量區間進行分類，由此求得經驗熵，其計算公式為：
7、
8、其中，k表示子含量區間的數量的數值取值，即，在上述求和公式中，k從1取值至3，nk為每個子含量區間下對應的樣本數。
9、優選地，在作為根節點的參數t的分類中，與n次鐵礦石分選的礦石數據對應就有參數t的n個參數數值t1、t2、…、tn，于是在這n個參數數值中求取最大值tmax＝max{t1、t2、…、tn}以及最小值tmin＝min{t1、t2、…、tn}，將參數區間[tmin,tmax]分成三等份，即，形成三個子參數區間[tmin,tmin+(tmax-tmin)/3]、[tmin+(tmax-tmin)/3,tmax-(tmax-tmin)/3]、[tmax-(tmax-tmin)/3，tmax]，上述根節點對參數t的分類，基于上述三個子參數區間對數據總集進行分類。
10、優選地，所述經驗條件熵的計算公式如下：
11、
12、其中，h(d|t)表示數據總集在以子參數區間為根節點分類且子含量區間為葉子節點分類下的經驗條件熵，h(di)表示每個根節點下的經驗熵，ti表示特定子參數區間分類下每個分類的數量，dik表示在每個葉子節點分類下的樣本數。
13、優選地，基于二次數據總集針對除選定參數t1之外的另外兩個參數構建二級決策樹，該二級決策樹在二次數據總集下針對所述另外兩個參數以子參數區間作為根節點并以子含量區間作為葉子節點，由此計算出所述另外兩個參數的信息增益ζ1’和ζ2’，如果ζ1’>ζ2’，則基于ζ1’確定其對應的一個二次選定參數t2，并在決策樹中回溯選取出葉子節點[dmax-(dmax-dmin)/3，dmax]下所有二次選定參數t2的數值，設定這些數值有n2個，其中n2<n1，由此這n2個t2參數的數值取平均值獲得二次選定參數的數值為n2’。
14、概括而言，本專利技術提供一種鐵礦石分選大數據分析決策系統，該系統分為存儲單元、運算單元和決策單元，存儲單元里存儲有歷史上的礦石數據，運算單元則基于礦石數據計算鐵銅相對含量，決策單元構建多級決策樹來以信息增益判斷所選取的參數的先后次序并給出合適的數值，并將此類本文檔來自技高網...
【技術保護點】
1.一種鐵礦石分選大數據分析決策系統，在鐵礦石分選過程中，首先通過磁選以特定的磁場強度從原礦中篩出鐵精礦并余下首次余礦，然后通過浮選以特定的礦漿質量濃度從首次余礦中篩出銅精礦并余下二次余礦，然后通過特定次數的掃選從二次余礦中篩出尾礦，其特征在于，
2.根據權利要求1所述的系統，其特征在于，設定基礎鐵含量為A0，基礎銅含量為B0，每一次礦石數據中，鐵精礦占原礦的質量占比為k1，鐵精礦中鐵含量為A1且銅含量為B1，銅精礦占原礦的質量占比為k2，銅精礦中鐵含量為A2且銅含量為B2，尾礦占原礦的質量占比為k3，尾礦中鐵含量為A3且銅含量為B3，由此計算該次礦石數據中的鐵銅相對含量D：
3.根據權利要求1所述的系統，其特征在于，決策單元以N次礦石數據作為數據總集，以上述三個子含量區間進行分類，由此求得經驗熵，其計算公式為：
4.根據權利要求3所述的系統，其特征在于，在作為根節點的參數T的分類中，與N次鐵礦石分選的礦石數據對應就有參數T的N個參數數值T1、T2、…、TN，于是在這N個參數數值中求取最大值TMAX＝Max{T1、T2、…、TN}以及最小值TM
5.根據權利要求4所述的系統，其特征在于，所述經驗條件熵的計算公式如下：
6.根據權利要求1所述的系統，其特征在于，基于二次數據總集針對除選定參數T1之外的另外兩個參數構建二級決策樹，該二級決策樹在二次數據總集下針對所述另外兩個參數以子參數區間作為根節點并以子含量區間作為葉子節點，由此計算出所述另外兩個參數的信息增益ζ1’和ζ2’，如果ζ1’>ζ2’，則基于ζ1’確定其對應的一個二次選定參數T2，并在決策樹中回溯選取出葉子節點[DMAX-(DMAX-DMIN)/3，DMAX]下所有二次選定參數T2的數值，設定這些數值有N2個，其中N2<N1，由此這N2個T2參數的數值取平均值獲得二次選定參數的數值為N2’。
...【技術特征摘要】
1.一種鐵礦石分選大數據分析決策系統，在鐵礦石分選過程中，首先通過磁選以特定的磁場強度從原礦中篩出鐵精礦并余下首次余礦，然后通過浮選以特定的礦漿質量濃度從首次余礦中篩出銅精礦并余下二次余礦，然后通過特定次數的掃選從二次余礦中篩出尾礦，其特征在于，
2.根據權利要求1所述的系統，其特征在于，設定基礎鐵含量為a0，基礎銅含量為b0，每一次礦石數據中，鐵精礦占原礦的質量占比為k1，鐵精礦中鐵含量為a1且銅含量為b1，銅精礦占原礦的質量占比為k2，銅精礦中鐵含量為a2且銅含量為b2，尾礦占原礦的質量占比為k3，尾礦中鐵含量為a3且銅含量為b3，由此計算該次礦石數據中的鐵銅相對含量d：
3.根據權利要求1所述的系統，其特征在于，決策單元以n次礦石數據作為數據總集，以上述三個子含量區間進行分類，由此求得經驗熵，其計算公式為：
4.根據權利要求3所述的系統，其特征在于，在作為根節點的參數t的分類中，與n次鐵礦石分選的礦石數據對應就有參數t的n個參數數值t1、t2、…、tn，于是在這n個參數數值中求取最大值tmax＝max{t1、t2、…、tn}以及最小值tmin＝m...
【專利技術屬性】
技術研發人員：黎偉，周玉縣，高曉冬，孫長亮，康向陽，陳向紅，字勇，魏國，王俊杰，李春陽，王鑫，李彥漫，
申請(專利權)人：中核大地生態科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。