Plant‐wide optimization based on interval number for beneficiation and metallurgy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Considering the difficulty of accurate online‐measurement of some key variables in the plant‐wide process of beneficiation and metallurgy, the quantitative models of some procedures are difficult to establish and the plant‐wide optimization control based on the quantitative models is difficult to realize. To address the problem, a plant‐wide optimization method based on interval numbers is proposed. Firstly, through analyzing the plant‐wide process of beneficiation and metallurgy, the framework of plant‐wide optimization based on interval number is given. Secondly, according to expert knowledge and the site workers' experience, the fuzzy qualitative model of the flotation process is established. Combining the quantitative model of the subsequent metallurgy process with the qualitative model of the flotation process, the plant‐wide optimization problem of beneficiation and metallurgy is established with the maximum economic benefits as the objective. Thirdly, for each output mode of the fuzzy qualitative model, interval number is used to represent the key variables that cannot be measured online, and combining the optimization algorithm based on interval number with the hierarchical decomposition optimization method, an optimization method is proposed to realize the plant‐wide optimization of beneficiation and metallurgy. Finally, compared with the conventional plant‐wide optimization method and the original hierarchical decomposition optimization method, the simulation results show that the proposed optimization method has a wider applicability, especially with its advantages in solving optimization problems with uncertainty.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle