Presentation Information
[2208-17-04]A fundamental study on flotation prediction model using MLA data based on machine learning
○Takeshi Shibuya1, Shoki Kobayashi1, Taisuke Sakakibara2, Tatsuhiro Ono2, Kanehiko Kawasaki2 (1. University of Tsukuba, 2. Japan Oil, Gas and Metals National Corporation)
Chairman:Koichi Hashimoto(JOGMEC)
Keywords:
flotation,mineral liberation analyzer,machine learning
浮選は非鉄金属資源において重要な分離手法である。浮選の工程において、ある鉱石に含まれる目的となる鉱物を効率よく回収するための条件特定には、しばしば様々なパラメータを振った試験の実施が要求される。こうした試験はコストが大きいだけでなく、例えば探鉱の初期ステージなどでは試料の量が限られることから、少ない試験結果から未知の条件における浮選結果を推定あるいは予測する技術への期待は大きい。そこで著者らは Mineral Liberation Analyzer (MLA) によって得られる粒子毎の特徴データを活用して、黄銅鉱を目的の鉱物とする浮選予測モデルの構築に取り組んでいる。本研究では、浮選試験を実施して精鉱および尾鉱のサンプルを作成し、給鉱も含めてMLAによって粒子ごとの諸データを取得した。これらのデータをもとに、機械学習によって粒子ごとの浮遊確率を推定することで粒子群全体の回収率や品位を推定する予測モデル構築を試みた。本稿では、これらの取り組みを報告する。