MétaCan
Menu
Retour à la cohorte
Enregistrement W4312974867 · doi:10.4236/gm.2022.124006

Development and Testing of a Method to Estimate the Mineral Composition of Ore from Chemical Assays with a View toward Geometallurgy: Application to an Iron Ore Concentrator

2022· article· en· W4312974867 sur OpenAlexafffund
Laurence Boisvert, Claude Bazin, Josiane Caron, François Lavoie

Notice bibliographique

RevueGeomaterials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensIron Ore Company (Canada)Université Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésConcentratorIron oreMineralBlock (permutation group theory)Mineral processingGold oreMetallurgyMineralogyEnvironmental scienceGeologyMaterials scienceComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

For complex orebodies in which the valuable metal is carried by several minerals that respond differently to the concentration process, an ore block model should not be characterized solely with elemental assays, as this information is not sufficient to anticipate the mill performances. Data from an iron ore concentrator is used to demonstrate the idea. A method is then proposed to estimate the mineral contents of ore samples from elemental assays. The method can readily be extended to combine the estimation of the mineral contents in the feed of the mill with an estimation of the recovery of these minerals into the products of the concentrator. These mineral recoveries can subsequently be incorporated into a block model to predict the concentrator response to the processing of an ore block.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,280
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeomaterialsMême sujetMineral Processing and GrindingTravaux en français237 207