Enhancing XRF sensor-based sorting of porphyritic copper ore using particle swarm optimization-support vector machine (PSO-SVM) algorithm

粒子群优化 支持向量机 分类 计算机科学 算法 模式识别(心理学) 人工智能 数学优化 数学
作者
Zhengyu Liu,Jue Kou,Zengxin Yan,Peilong Wang,Chang Liu,Chunbao Sun,Anlin Shao,Bern Klein
出处
期刊:International journal of mining science and technology [Elsevier]
卷期号:34 (4): 545-556 被引量:1
标识
DOI:10.1016/j.ijmst.2024.04.002
摘要

X-ray fluorescence (XRF) sensor-based ore sorting enables efficient beneficiation of heterogeneous ores, while intraparticle heterogeneity can cause significant grade detection errors, leading to misclassifications and hindering widespread technology adoption. Accurate classification models are crucial to determine if actual grade exceeds the sorting threshold using localized XRF signals. Previous studies mainly used linear regression (LR) algorithms including simple linear regression (SLR), multivariable linear regression (MLR), and multivariable linear regression with interaction (MLRI) but often fell short attaining satisfactory results. This study employed the particle swarm optimization support vector machine (PSO-SVM) algorithm for sorting porphyritic copper ore pebble. Lab-scale results showed PSO-SVM outperformed LR and raw data (RD) models and the significant interaction effects among input features was observed. Despite poor input data quality, PSO-SVM demonstrated exceptional capabilities. Lab-scale sorting achieved 93.0% accuracy, 0.24% grade increase, 84.94% recovery rate, 57.02% discard rate, and a remarkable 39.62 ¥/t net smelter return (NSR) increase compared to no sorting. These improvements were achieved by the PSO-SVM model with optimized input combinations and highest data quality (T=10, T is XRF testing times). The unsuitability of LR methods for XRF sensor-based sorting of investigated sample is illustrated. Input element selection and mineral association analysis elucidate element importance and influence mechanisms.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
枫枫829发布了新的文献求助10
1秒前
吓我一跳发布了新的文献求助10
2秒前
JET_Li发布了新的文献求助10
2秒前
4秒前
焕颜发布了新的文献求助10
4秒前
4秒前
852应助小包子采纳,获得30
5秒前
6秒前
肚皮完成签到 ,获得积分10
6秒前
6秒前
JamesPei应助hcycola采纳,获得30
6秒前
6秒前
DDQHB完成签到,获得积分10
7秒前
wwb完成签到,获得积分10
7秒前
大模型应助王玉娇采纳,获得10
7秒前
我爱螺蛳粉完成签到 ,获得积分10
7秒前
酷波er应助刘晏均采纳,获得30
8秒前
李健应助xx采纳,获得10
8秒前
健忘的柠檬完成签到,获得积分10
8秒前
小二郎应助111采纳,获得10
9秒前
共享精神应助guyanlong采纳,获得10
9秒前
cherry完成签到 ,获得积分10
11秒前
眯眯眼的沛柔完成签到,获得积分20
12秒前
GQ发布了新的文献求助10
12秒前
科目三应助Summeryz920采纳,获得10
13秒前
lzx666发布了新的文献求助10
13秒前
13秒前
14秒前
大模型应助焕颜采纳,获得10
14秒前
从容芮应助皮卡皮卡丘采纳,获得10
14秒前
16秒前
16秒前
18秒前
李健的粉丝团团长应助LFJ采纳,获得10
19秒前
赘婿应助lzx666采纳,获得10
19秒前
木子李发布了新的文献求助10
20秒前
Artorias发布了新的文献求助10
20秒前
十七发布了新的文献求助10
20秒前
小包子发布了新的文献求助30
20秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3072205
求助须知:如何正确求助?哪些是违规求助? 2726027
关于积分的说明 7492250
捐赠科研通 2373536
什么是DOI,文献DOI怎么找? 1258633
科研通“疑难数据库(出版商)”最低求助积分说明 610333
版权声明 596952