مطالعه پارامترهاي موثر بر راندمان استخراج روي از كنسانتره با استفاده از شبكه عصبي

Study of Effective Parameters on Efficiency of Zinc Extraction From Concentrate by neural networks

استخراج روي از كنسانتره تابع عوامل مختلفي است. در تحقيق آتشي و همكاران ]1[ ، استخراج روي از كنسانتره در يك دستگاه استخراج دو مرحله اي با شرايط عملياتي متفاوت مورد بررسي قرار گرفته است. شرايط عملياتي شامل pH ، دما، زمان استخراج هر مرحله، سرعت چرخش و زمان تاخير بين دو مرحله است. در اين تحقيق از شبكه عصبي براي مدلسازي راندمان استخراج روي بر حسب پارامترهاي ذكر شده استفاده شده است. شبكه عصبي با يك لايه مخفي براي مدلسازي در نظر گرفته شده است. نتايج اين تحقيق نشان مي دهد شبكه عصبي با هشت نرون در لايه مخفي توافق خوبي با داده هاي آزمايشگاهي آتشي و همكاران دارد سپس تاثير هر كدام از پارامترها با استفاده از مدل مورد بررسي قرار گرفته است.

Extraction of zinc from concentrate is a function of several parameters. In Atashy.H and et al [1] research, zinc extraction experiments were done in two stages with different operating conditions. These operating conditions contain PH, temperature and time of extraction of each stage, agitation speed and delay time between stages. In this research, artificial neural networks (ANN) were used to model zinc extraction efficiency as a function of mentioned parameter. ANN with one hidden layer and different neurons was employed. The results show that ANN with 8 neurons in hidden layer has good agreement with experimental data of Atashy.H and et al then effect of each parameter was study by ANN model and compared with experimental data.