ООО «МЭК-Майнинг», г. Санкт-Петербург, РФ:

Бериашвили А. Т., — инженер-технолог, aleksandr.beriashvili@mekgroup.ru

Пикулина В. М., инженер-технолог

Анализируется методологический подход к решению задачи вариабельности технологических показателей, который традиционно строится на базе расчета уравнений множественной регрессии. Показано, что такой подход для флотационных объектов может приводить к ошибочным результатам. Отмечается, что неявные задачи флотации являются привлекательными для применения нейросетевых технологий.

1. Резников А. П. Обработка накопленной информации в затрудненных условиях. М.: Наука, 1976. 236 с.
2. Елисеева И. И., Юзбашев М. М. Общая теория статистики: учебник / под ред. И. И. Елисеевой. 4-е изд., перераб. и доп. М.: Финансы и статистика, 2002. 480 с.
3. Машевский Г. Н., Петров А. В., Романенко С. А., Суфьянов Ф. С., Балманова А. Ж. Новый подход к регулированию флотационного процесса селективного отделения сульфидных минералов от пирита в известковой среде // Обогащение руд. 2012. № 1. С. 12–16.
4. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / под ред. В. П. Боровикова. 2-е изд., перераб. и доп. М.: Телеком, 2008. 392 с.
5. Романенко С. А. Эффективность применения мультисенсорных систем ионометрии и методов нейросетевого моделирования процесса флотации в лабораторных исследованиях // Обогащение руд. 2013. № 1. С. 18–22.
6. Машевский Г. Н., Петров А. В., Романенко С. А., Суфьянов Ф. С. Развитие принципов технологической типизации руд на основе контроля параметров флотационного процесса и нейросетевого моделирования // Обогащение руд. 2012. № 4. С. 36–42.
7. Арустамян А. М., Санакулов К. С. Гармоническое разложение случайных функций для исследования флотационных процессов // Горный журнал. 2017. № 10. С. 33–40. DOI: 10.17580/gzh.2017.10.07.
8. Napier-Munn T. J. Statistical methods for mineral engineers — How to design experiments and analyse data. Queensland, Australia: Julius Kruttschnitt Mineral Research Centre, 2014. 627 p.
9. Nakhaei F., Mosavi M. R., Sam A., Vaghei Y. Recovery and grade accurate prediction of pilot plant flotation column concentrate: Neural network and statistical techniques // International Journal of Mineral Processing. 2012. Vol. 110–111. P. 140–154.
10. Li X., McKee D. J., Horbery T., Powell M. S. The control room operator: The forgotten element in mineral process control // Miner. Eng. 2011. 24, No. 8. P. 894–902.
11. Shean B. J., Cilliers J. J. A review of froth flotation control // International Journal of Mineral Processing. 2011. 100. P. 57–71.
12. Арустамян К. М., Романенко С. А., Арустамян А. М. Применение потенциограмм для оценки технологических свойств медных руд на примере Жезказганского месторождения // Горный журнал. 2016. № 11. С. 65–70. DOI: 10.17580/gzh.2016.11.12.
13. Машевский Г. Н., Кокорин А. М. Разработка научных основ совершенствования технологии и создания алгоритмической базы для компьютерного управления флотацией руд месторождения «Эрдэнэтийн Овоо» с целью улучшения рентабельности производства // Сб. докладов НТС СП «Эрдэнэт». Изд-во «Эрдэнэт концерн», 1998. С. 87–101.
14. Машевский Г. Н., Петров А. В., Мойланен Я., Тимпере Ю., Салохеймо К., Кемппинен Х. Принципы компьютерного управления флотационным процессом на базе видеосистемы FrothMaster // Обогащение руд. 2010. № 3. С. 39–43.