MAKİNE ÖĞRENME VE DERİN ÖĞRENME KULLANILARAK DEMİR CEVHERİNİN KÖPÜK FLOTASYON SÜRECİNDE KALİTE TAHMİNİ
15th China to Adriatic Turkish World International Scientific Research Congress, Baku, Azerbaycan, 7 - 09 Ocak 2024, ss.442-451, (Tam Metin Bildiri)
- Yayın Türü: Bildiri / Tam Metin Bildiri
- Basıldığı Şehir: Baku
- Basıldığı Ülke: Azerbaycan
- Sayfa Sayıları: ss.442-451
- Ankara Üniversitesi Adresli: Evet
Özet
Flotasyon veya yüzdürme yöntemi, üretilecek cevherin su sevme (hidrofilik) ve su sevmeme (hidrofobik) özelliklerini kullanarak sıvı içerisinde kabarcık oluşturarak suda yüzmesi veya batması ile diğer malzemelerden ayrılmasını sağlayan bir zenginleştirme yöntemidir. Demir cevheri madenciliğinde, flotasyon tesisinde istenen kaliteyi elde etmek için paydaşlar, ilgili iki değişkeni belirlemek için genellikle iki saatten fazla süren geleneksel laboratuvar test tekniğine güvenirler. Bu nedenle, bu çalışma, flotasyon tesisindeki silika konsantresinin (SiO2) yüzdesini gerçek zamanlı olarak tahmin etmek için makine öğrenme ve derin öğrenme teknikleri kullanılmıştır. Tahmin modeli, Kaggle'dan elde edilen “Madencilik Prosesi Flotasyon Tesisi Veritabanı” veri seti kullanılarak oluşturulmuştur. Doğrusal regresyon modeli ve 2 farklı yapay sinir ağı modeli kullanılmış ve sonuçlar karşılaştırılmıştır.