Специалисты из Кольского научного центра придумали способ предсказания свойств рудных минералов по химическому составу горных пород, что облегчает задачу определения их минерального состава.
КНЦ РАН
# апатитовые руды
# горные породы
# месторождения
# металлы
# химический состав
Апатитские ученые научились предсказывать судьбу месторождения с помощью математических методов / ©Пресс-служба КНЦ
Статья опубликована в журнале OreGeologyReviews. Возможно, у вас есть собственное месторождение. А значит, вы наверняка хотите знать, что там, под земной поверхностью. Возможно, вы даже «заглянули» в недра разведочными скважинами, но что они вам покажут кроме химического состава горных пород? Массово определять минеральный состав, а тем более, свойства минералов, выяснять их взаимоотношения – не так-то просто.
А добывать надо не абстрактные химические элементы, а конкретные минералы. Суть нового метода ученых Кольского научного центра заключается в нахождении корреляционных связей (шаг 4 на рисунке) между химическим составом пород и параметрами рудных минералов, которые требуются для правильной настройки технологии переработки руд и управления качеством минеральных концентратов – конечных продуктов горно-обогатительных фабрик.
Описание метода / ©Пресс-служба Кольского научного центра
Далее найденные корреляции применяются к массовому опробованию месторождения (шаги 5–8), объемы которого на 2-3 порядка больше, чем тонких минералогических исследований либо к опробованию рудопотока (шаги 9–11), чтобы получать минералого-технологическую информацию в режиме реального времени. Ядро предлагаемого подхода — нахождение связей между «дешевой/быстрой» и «дорогой/медленной» информацией. Современный уровень развития математической статистики и вычислительной техники позволяет находить эти связи с помощью продвинутых методов машинного обучения.
Для того, чтобы выяснить, какой метод лучше справится с этой задачей, ученые устроили соревнование между разными методами машинного обучения: искусственными нейронными сетями, мультивариативной адаптивной регрессией сплайн (МАРС), случайными лесами, а также множественной регрессией. Лучшим методом оказался МАРС.
С его помощью ученым удалось предсказать свойства рудных минералов Ковдорского бадделеит-магнетит-апатитового месторождения: содержание циркония, тантала, ниобия, скандия и гафния в бадделеите, титана, алюминия, марганца, магния, ванадия и железа в магнетите, стронция, фосфора и редкоземельных металлов в апатите, а также средний размер зерен этих минералов, вероятность наличия включений ильменита и шпинели в магнетите и срастания пирохлора с бадделеитом. Качество предсказания составило от 72 до 98 процентов.
Результаты этого соревнования определялись по совпадению предсказанных и реальных значений. Это совпадение детерменировано с помощью коэффициента корреляции. Соревнование заключалось в определении разницы между коэффициентами корреляций, полученных разными методами для разных переменных.
Перечисленные параметры необходимы для понимания качества концентрата, произведенного из руды и сложности обогащения. Например, технология производства стали на Череповецком металлургическом комбинате требует, чтобы содержание оксида магния в сырье (магнетитовом концентрате) было от 2 до 5 процентов. Если оно будет меньше, металлургам приходится добавить магний в шихту. Если больше, сталь получится низкого качества.
Апатитовый концентрат – сырье для производства удобрений – не должен содержать примеси пирохлора, который содержит радиоактивные элементы и тяжелые металлы. Бадделеит Ковдорского месторождения, помимо циркония, содержит в себе скандий и гафний, и если появится экономически оправданная возможность извлекать их, Россия станет мировым лидером на рынке этих металлов.
На основе этого подхода сейчас разрабатываются технологиитрехмерного минералого-технологического моделирования. Этот метод будет применен для разработки новых методов обогащения апатитовых руд в лаборатории, создаваемой Кольским научным центром в сотрудничестве с ПАО «ФосАгро».
Источник: