The Separation of Carbonaceous Matter from Refractory Gold Ore Using Multi-Stage Flotation: A Case Study
Notice bibliographique
Résumé
As a pre-treatment method of refractory gold ore, carbonaceous matter (C-matter) flotation was investigated with multi-stage flotation by rougher, scavenger, and cleaner stages. Different dosages of kerosene and MIBC (4-Methyl-2-pentanol) were applied and the optimum dosage was selected by testing in each flotation stage. With the combination of each stage, four circuit designs were suggested, which were a single-stage rougher flotation (R), rougher-scavenger flotation (R+S), rougher-scavenger-scavenger cleaner flotation (R+S+SC), and rougher-rougher cleaner-scavenger-scavenger cleaner flotations (R+S+RC+SC). The results indicated that the scavenger flotation increased C-matter recovery but reduced C-matter grade compared with single-stage rougher flotation. Cleaning of the scavenger flotation concentrate improved C-matter grade significantly, but reduced recovery slightly. Cleaning of the rougher flotation concentrate achieved overall improved selectivity in flotation. A combination of rougher-scavenger flotation followed by cleaning of both concentrates (R+S+RC+SC) resulted in 73% C-matter recovery and a combined cleaner concentrate grade of 4%; the final tailings C-matter grade was 0.9%, where the C-matter remaining in the tailings was locked, and fine grained. The results demonstrate the need for the multi-stage flotation of C-matter from refractory gold ore to achieve selective separation and suggested the potential of C-matter flotation as the pre-treatment for efficient gold production.
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.
Comment cette classification a été obtenuedéplier
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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».