CN112024451A - 一种基于受试者操作特征曲线分析的矿石拣选决策方法 - Google Patents
一种基于受试者操作特征曲线分析的矿石拣选决策方法 Download PDFInfo
- Publication number
- CN112024451A CN112024451A CN202010891770.5A CN202010891770A CN112024451A CN 112024451 A CN112024451 A CN 112024451A CN 202010891770 A CN202010891770 A CN 202010891770A CN 112024451 A CN112024451 A CN 112024451A
- Authority
- CN
- China
- Prior art keywords
- ore
- sorting
- sorting decision
- decision threshold
- characteristic curve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
- B07C5/3427—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain by changing or intensifying the optical properties prior to scanning, e.g. by inducing fluorescence under UV or x-radiation, subjecting the material to a chemical reaction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/346—Sorting according to other particular properties according to radioactive properties
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供一种基于受试者操作特征曲线分析的矿石拣选决策方法,属于矿物加工技术领域。该方法包括拣选产品分类、确定最优拣选决策阈值、计算贫化率、损失率评价拣选效果,首先在不同拣选决策阈值条件下,比较实际设计阈值与矿石实际品位,比较拣选决策阈值与传感品位数据,采用受试者操作特征曲线分析计算敏感性、假阳性率,建立坐标系确定最优拣选决策阈值,确定最优拣选决策阈值条件下的贫化率、损失率。本发明采用受试者操作特征曲线分析,确定了矿石拣选决策方法,相比传统线性回归矿石决策算法,优化了拣选效果及拣选技术经济指标。
Description
技术领域
本发明涉及矿物加工技术领域,特别是指一种基于受试者操作特征曲线分析的矿石拣选决策方法。
背景技术
矿石拣选是一种将不同品位及矿物组成的矿石利用其传感检测信号的差异进行分类并将品位高的矿石分离出来的方法。在整个电磁波谱范围中,γ射线、中子流、X射线、紫外线、可见光、红外线、无线电波与矿石作用后,矿石对射线的吸收、反射或受射线照射后发射的荧光的差异都可用作拣选的依据。在很多情况下,拣选所利用的分辨特征并不是与矿石中有用元素直接相关,为此还需要找出分选特征与有用元素之间的关系。
在矿石拣选应用于工业实践前,通常通过实验室或半工业试验确定其矿石拣选决策方法及拣选决策阈值参数。对于X射线荧光分析(XRF)等定量测试技术,确定其XRF品位测定结果与其真实化验品位关系通常采用线性回归模型,即针对某一矿石性质及拣选设备,确定其XRF品位测定结果与其真实化验品位的线性关系。在实际拣选中,通过利用该线性关系可根据实际设计阈值品位计算决策阈值品位,并通过直接比较XRF传感品位与该决策阈值品位确定拣选矿石的隶属。矿石传感品位高于决策阈值,矿石被拣选为精矿。矿石传感品位低于决策阈值,矿石被拣选为废石。然而,在实际矿石拣选中,由于矿石传感设备及拣选决策算法的准确性不足,有可能发生拣选精矿与废石产品的错置,进而影响拣选效果。
发明内容
本发明要解决的技术问题是提供一种基于受试者操作特征曲线分析的矿石拣选决策方法,优化拣选效果。
该方法首先在不同拣选决策阈值条件下,比较实际设计阈值与矿石实际品位,比较拣选决策阈值与传感品位数据,采用受试者操作特征曲线分析计算敏感性、假阳性率,建立坐标系确定最优拣选决策阈值,确定最优拣选决策阈值条件下的贫化率、损失率。
具体包括步骤如下:
(1)不同拣选决策阈值条件下,比较实际设计阈值与矿石实际品位,比较拣选决策阈值与传感品位数据,根据比较结果将矿石进行分类;
(2)根据步骤(1)不同拣选决策阈值条件下矿石分类结果,采用受试者操作特征曲线分析,按照式(1)~(2)计算敏感性、假阳性率;
(3)建立以假阳性率和敏感性分别为x轴和y轴的坐标系,不同拣选决策阈值条件下矿石拣选产品分类结果以坐标系的点表示,确定最接近(0,1)坐标点的点所对应的拣选决策阈值为最优拣选决策阈值;
(4)根据步骤(1)确定最优拣选决策阈值条件下的矿石分类结果,正确拣选精矿数量为TP,正确拣选废石数量为TN,错置拣选精矿数量为FP,错置拣选废石数量为FN,按照式(3)~(4)确定最优拣选决策阈值条件下贫化率、损失率。
其中,步骤(1)中不同拣选决策阈值取值范围涵盖测试矿石传感品位最低至最高值,取值精度适应工业实践操作水平,取值数量根据取值范围及取值精度确定。
步骤(1)中根据比较结果将矿石分为4类:矿石实际品位高于实际设计阈值且传感品位数据高于拣选决策阈值,为正确拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据高于拣选决策阈值,为错置拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据低于拣选决策阈值,为正确拣选废石;矿石实际品位高于实际设计阈值且传感品位数据低于拣选决策阈值,为错置拣选废石。
步骤(2)中敏感性、假阳性率的计算公式为:
其中,TPR表示敏感性,FPR表示假阳性率,TP表示正确拣选精矿数量,TN表示正确拣选废石数量,FP表示错置拣选精矿数量,FN表示错置拣选废石数量。
步骤(3)中最优拣选决策阈值为最接近(0,1)坐标点的点所对应的拣选决策阈值或取敏感性与假阳性率之差的最大值。
步骤(4)中贫化率、损失率的计算公式为:
本发明的上述技术方案的有益效果如下:
上述方案中,提出了基于受试者操作特征曲线分析的矿石拣选决策方法,提高了矿石拣选效果。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于受试者操作特征曲线分析的矿石拣选决策方法。
如图1所示,本方法首先在不同拣选决策阈值条件下,比较实际设计阈值与矿石实际品位,比较拣选决策阈值与传感品位数据,采用受试者操作特征曲线分析计算敏感性、假阳性率,建立坐标系确定最优拣选决策阈值,确定最优拣选决策阈值条件下的贫化率、损失率。
下面结合具体实施例予以说明。
实施例1
本实施例矿石拣选对象为铜矿,共144个,每个试样重量为250g左右。通过X射线荧光分析(XRF)矿石传感技术测得试样铜品位。完成XRF品位测定后,利用研磨机研磨试样至0.074毫米以下,并采用电感耦合等离子体发射光谱仪(ICP)测得试样实际化验品位。144个试样矿石传感品位范围为:0.004%~1.19%,实际矿石品位范围为:0.054%~2.53%。设计矿石拣选阈值为0.25%。
采用传统线性回归矿石拣选决策算法,矿石传感品位与实际矿石品位间的线性关系确定为:ICP=0.843XRF+0.079。根据该线性关系,矿石拣选决策阈值为0.20%。采用线性回归矿石拣选决策方法,矿石拣选精矿产率为43.8%,拣选精矿品位为0.63%,金属回收率为63.0%,贫化率为1.6%,损失率为46.9%,计算矿石熔炼收益为每吨5.9美元。
采用本发明所述矿石拣选决策算法,在不同拣选决策阈值条件下将矿石分为4类。不同拣选决策阈值范围在0.01%~1.2%之间,相邻拣选阈值数值间隔为0.01%,拣选决策阈值共120个。矿石实际品位高于实际设计阈值且传感品位数据高于拣选决策阈值,为正确拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据高于拣选决策阈值,为错置拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据低于拣选决策阈值,为正确拣选废石;矿石实际品位高于实际设计阈值且传感品位数据低于拣选决策阈值,为错置拣选废石。
根据不同拣选决策阈值条件下的矿石分类结果,采用受试者操作特征曲线分析,按照式(1)~(2)计算敏感性、假阳性率。计算不同拣选决策阈值下敏感性与假阳性率之差,确定在矿石拣选决策阈值为0.18%时敏感性与假阳性率之差最大,确定0.18%为最优拣选决策阈值。在最优拣选决策下,矿石分类结果为:正确拣选精矿数量为71,正确拣选废石数量为43,错误拣选精矿为1,错误拣选废石为29。按照式(3)~(4)计算贫化率、损失率分别为1.4%、40.3%。采用本发明所述矿石拣选决策算法,矿石拣选精矿产率为50.0%,拣选精矿品位为0.62%,金属回收率为71.1%,计算矿石熔炼收益为每吨6.8美元。采用本发明所述矿石拣选决策算法相比传统线性回归矿石拣选决策算法,提高了矿石拣选经济效益指标。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于受试者操作特征曲线分析的矿石拣选决策方法,其特征在于:包括步骤如下:
(1)不同拣选决策阈值条件下,比较实际设计阈值与矿石实际品位,并比较拣选决策阈值与传感品位数据,根据比较结果将矿石进行分类;
(2)根据步骤(1)不同拣选决策阈值条件下矿石分类结果,采用受试者操作特征曲线分析,计算敏感性、假阳性率;
(3)建立以假阳性率和敏感性分别为x轴和y轴的坐标系,不同拣选决策阈值条件下矿石拣选产品分类结果以坐标系的点表示,确定最接近(0,1)坐标点的点所对应的拣选决策阈值为最优拣选决策阈值;
(4)根据步骤(1)确定最优拣选决策阈值条件下的矿石分类结果,正确拣选精矿数量为TP,正确拣选废石数量为TN,错置拣选精矿数量为FP,错置拣选废石数量为FN,确定最优拣选决策阈值条件下贫化率、损失率。
2.根据权利要求1所述的基于受试者操作特征曲线分析的矿石拣选决策方法,其特征在于:所述步骤(1)中不同拣选决策阈值取值范围涵盖测试矿石传感品位最低至最高值,取值精度适应工业实践操作水平,根据取值范围及取值精度确定取值数量。
3.根据权利要求1所述的基于受试者操作特征曲线分析的矿石拣选决策方法,其特征在于:所述步骤(1)中根据比较结果将矿石分为4类:矿石实际品位高于实际设计阈值且传感品位数据高于拣选决策阈值,为正确拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据高于拣选决策阈值,为错置拣选精矿;矿石实际品位低于实际设计阈值且传感品位数据低于拣选决策阈值,为正确拣选废石;矿石实际品位高于实际设计阈值且传感品位数据低于拣选决策阈值,为错置拣选废石。
5.根据权利要求1所述的基于受试者操作特征曲线分析的矿石拣选决策方法,其特征在于:所述步骤(3)中最优拣选决策阈值为最接近(0,1)坐标点的点所对应的拣选决策阈值或取敏感性与假阳性率之差的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010891770.5A CN112024451B (zh) | 2020-08-28 | 2020-08-28 | 一种基于受试者操作特征曲线分析的矿石拣选决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010891770.5A CN112024451B (zh) | 2020-08-28 | 2020-08-28 | 一种基于受试者操作特征曲线分析的矿石拣选决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112024451A true CN112024451A (zh) | 2020-12-04 |
CN112024451B CN112024451B (zh) | 2021-08-31 |
Family
ID=73586287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010891770.5A Active CN112024451B (zh) | 2020-08-28 | 2020-08-28 | 一种基于受试者操作特征曲线分析的矿石拣选决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112024451B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152548A (zh) * | 2021-11-09 | 2022-03-08 | 北京科技大学 | 一种矿石拣选可行性的实验室评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1942759A (zh) * | 2004-03-12 | 2007-04-04 | 苏珊·M·塞尔肖普 | 钻石检测 |
CN101516518A (zh) * | 2005-10-24 | 2009-08-26 | 托马斯·A·瓦莱里奥 | 不同材料的拣选方法、系统及设备 |
US20140117230A1 (en) * | 2012-10-26 | 2014-05-01 | Fei Company | Mineral Identification Using Mineral Definitions Including Variability |
CN104884179A (zh) * | 2013-04-29 | 2015-09-02 | 布雷维斯特尼克研究与生产公司 | 用于x射线发光分离矿物的方法及进行所述方法的x射线发光拣选器 |
CN107576680A (zh) * | 2017-09-07 | 2018-01-12 | 中国地质科学院矿产综合利用研究所 | 低稀释比熔融x射线荧光光谱分析铌钽矿石的方法 |
RU2715374C1 (ru) * | 2019-07-10 | 2020-02-26 | Акционерное общество "Инновационный Центр "Буревестник" | Рентгенографический сепаратор минералов |
-
2020
- 2020-08-28 CN CN202010891770.5A patent/CN112024451B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1942759A (zh) * | 2004-03-12 | 2007-04-04 | 苏珊·M·塞尔肖普 | 钻石检测 |
CN101516518A (zh) * | 2005-10-24 | 2009-08-26 | 托马斯·A·瓦莱里奥 | 不同材料的拣选方法、系统及设备 |
US20140117230A1 (en) * | 2012-10-26 | 2014-05-01 | Fei Company | Mineral Identification Using Mineral Definitions Including Variability |
CN104884179A (zh) * | 2013-04-29 | 2015-09-02 | 布雷维斯特尼克研究与生产公司 | 用于x射线发光分离矿物的方法及进行所述方法的x射线发光拣选器 |
CN107576680A (zh) * | 2017-09-07 | 2018-01-12 | 中国地质科学院矿产综合利用研究所 | 低稀释比熔融x射线荧光光谱分析铌钽矿石的方法 |
RU2715374C1 (ru) * | 2019-07-10 | 2020-02-26 | Акционерное общество "Инновационный Центр "Буревестник" | Рентгенографический сепаратор минералов |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152548A (zh) * | 2021-11-09 | 2022-03-08 | 北京科技大学 | 一种矿石拣选可行性的实验室评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112024451B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8144831B2 (en) | Method and apparatus for sorting materials according to relative composition | |
US7099433B2 (en) | Method and apparatus for sorting materials according to relative composition | |
EP1554060B1 (en) | A system and a method of automatically sorting objects | |
Li et al. | Applying Receiver-Operating-Characteristic (ROC) to bulk ore sorting using XRF | |
CN112024451B (zh) | 一种基于受试者操作特征曲线分析的矿石拣选决策方法 | |
CN105300954A (zh) | 一种锑矿浮选非均质泡沫层矿物的拉曼光谱表征方法 | |
CN111272686B (zh) | 铁矿石选矿粉铁品位的高光谱检测方法 | |
Pérez-Barnuevo et al. | Textural descriptors for multiphasic ore particles | |
Ghosh et al. | Infrared thermography: An approach for iron ore gradation | |
CN111189923A (zh) | 冶金板材缺陷的变频率比较定量检测方法 | |
CN114813903A (zh) | 一种基于石榴石微区化学成分判别矿种的方法 | |
CN107016454B (zh) | 一种非均质矿球磨破碎分布函数预测方法 | |
Bakraji | Application of multivariate statistical methods to classify archaeological pottery from Tel‐Alramad site, Syria, based on x‐ray fluorescence analysis | |
CN111044548A (zh) | 一种利用主量元素含量判别花岗岩含铀性的方法 | |
Zhang | Assessment of dual-energy X-ray transmission image analysis process on sulphide ore and coal cases | |
Robben et al. | X-ray transmission sorting of tungsten ore | |
Richter | Change detection in dynamic fitness landscapes: An immunological approach | |
CN114997540B (zh) | 矿石中伴生贵金属的回收率的预测方法及其应用 | |
Tong et al. | Correlation and regression analysis in the X-ray fluorescence sorting of a low grade copper ore | |
CN114152548A (zh) | 一种矿石拣选可行性的实验室评价方法 | |
CN115759815B (zh) | 一种利用地壳成熟度指数判断斑岩铜矿类型的勘查方法 | |
CN102012920A (zh) | 一种建立进口铁矿产地鉴别数据库的方法 | |
Seiler | Surface XRF mapping for intraparticle heterogeneity assessment and particle grade estimation | |
Seiler Collazo | Surface XRF mapping for intraparticle heterogeneity assessment and particle grade estimation. | |
Rummel et al. | Methodology for Analysis and Characterization of Nondestructive Inspection Capability Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |