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.
最长约 10秒,即可获得该文献文件

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
无花果应助科研通管家采纳,获得10
刚刚
明理寄云应助科研通管家采纳,获得20
刚刚
CodeCraft应助科研通管家采纳,获得10
刚刚
科研通AI2S应助科研通管家采纳,获得15
刚刚
科研通AI2S应助科研通管家采纳,获得10
刚刚
Jasper应助科研通管家采纳,获得10
刚刚
爆米花应助科研通管家采纳,获得10
刚刚
脑洞疼应助科研通管家采纳,获得10
刚刚
务实饼干应助科研通管家采纳,获得10
刚刚
刚刚
刚刚
FashionBoy应助科研通管家采纳,获得10
刚刚
春景当思完成签到 ,获得积分10
1秒前
1秒前
可爱的函函应助zz采纳,获得10
2秒前
2秒前
4秒前
xia完成签到,获得积分10
5秒前
赵聚星发布了新的文献求助200
7秒前
科研通AI2S应助周乘风采纳,获得30
7秒前
仁爱听露完成签到 ,获得积分10
7秒前
慕青应助冰美式采纳,获得10
7秒前
8秒前
二东完成签到 ,获得积分10
8秒前
望舒发布了新的文献求助10
8秒前
9秒前
阿尼亚完成签到,获得积分20
9秒前
周凡淇发布了新的文献求助10
13秒前
胡杨发布了新的文献求助10
14秒前
望舒完成签到,获得积分10
15秒前
15秒前
TobyGarfielD发布了新的文献求助10
15秒前
wang完成签到,获得积分10
17秒前
无位公相完成签到,获得积分10
18秒前
冰美式发布了新的文献求助10
20秒前
Akim应助stay采纳,获得10
21秒前
隐形山兰发布了新的文献求助10
21秒前
Wenpandaen应助decademe采纳,获得10
22秒前
正直老九完成签到 ,获得积分10
22秒前
啊强完成签到 ,获得积分10
23秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 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 3138292
求助须知:如何正确求助?哪些是违规求助? 2789301
关于积分的说明 7790796
捐赠科研通 2445551
什么是DOI,文献DOI怎么找? 1300593
科研通“疑难数据库(出版商)”最低求助积分说明 625971
版权声明 601065