پيش بيني ميزان پيريت باقيمانده در باطله هاي زغالي با استفاده از روش تركيبي رگرسيون آماري چند متغيره و الگوريتم رقابت استعماري

Prediction of Silver Price Applying a Coupled Multivariate Linear Regression (MLR) and Imperialist Competitive Algorithm (ICA)

با رشد روزافزون جمعيت جهان و از طرف ديگر محدوديت زمينهاي كشاورزي، افزايش ميزان بهره وري و راندمان توليد محصول از خاك، امري اجتنابناپذير است. لذا با توجه به نقش بسيار مهم فسفات در بخش كشاورزي جهت توليد كودهاي فسفاته و شيميايي و درنتيجه تامين مواد غذايي جوامع بشري در حال رشد، فعاليتهاي معدنكاري و فرآوري سنگهاي فسفاته حائز اهميت ميباشند. در اين تحقيق، پرعيارسازي ذخاير كم عيار فسفات كوه لار (P2O5 %9-%10) با بكارگيري روشهاي بهينه و اقتصادي مورد بررسي قرار گرفت. مطالعات انجام شده نشان داد كه نمونه مذكور، جزء كانسارهاي با عيار پايين محسوب ميشود. همچنين عمده تركيبات آن شامل كلسيت، فلوئورآپاتيت، كوارتز، كائولينيت و ايليت مي باشد. بدين منظور روشهاي پرعيارسازي تركيبي شامل روش حرارتي و جدايش ثقلي بر روي نمونه انجام شد. نتايج نشان داد كه روش تلفيقي كلسيناسيون- ميز لرزان، ميتواند به عنوان روش پرعيارسازي بهينه كانسنگ فسفات كم عيار به منظور توليد كنسانترهاي با عيار P2O5 %30/77 و بازيابي %60/7 در نظر گرفته شود كه درمقايسه با ساير روشهاي فرآوري فسفات، داراي اثرات مخرب زيست محيطي كمتري ميباشد.

This paper presents to predict pyrite remaining fraction using a coupled multivariate linear regression (MLR) and imperialist competitive algorithm (ICA). For this purpose, the depth of the waste particles, diffused oxygen throughout the waste particles, bicarbonate concentration and initial pyrite remaining were considered as input data and, in return, the pyrite remaining fraction was chosen as the target parameter. After finding statistical relationships applying the curve fitting method, a multivariate linear regression suggested with the stepwise method. Then, using the imperialist competitive algorithm, the optimal coefficients of the proposed statistical relationship were determined, which resulted in the improved results with a strong determination coefficient, 0.85.