Interpretable Dynamic Modelling and Prediction of Free Acid in Zinc Leaching Process
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
In the metallurgical processing industry, the leaching process converts a concentrated slurry of zinc sulphide to zinc sulphate solution. The leaching process occurs within a multi-compartment autoclave in the presence of sulphuric acid and oxygen at high temperatures and pressure. The amount of unreacted acid (free acid) within each autoclave compartment is crucial for achieving high zinc recovery but is not directly measured, necessitating an efficient model. This work involves developing a dynamic model utilizing both the first principles and machine learning techniques to predict the free acid, making the model physically interpretable. Due to the dependency of free acid on upstream process variables, several sub-models were built for each preceding unit. The main challenge was the unavailability of several measurements required for the mass balance model, while some available measurements were sampled at a slower rate. Moreover, bias correction was performed, considering delays in receiving laboratory analysis results and the lack of exact timestamps for samples provided by the field operator. The proposed model is validated with integrated zinc and lead smelter process data. The model successfully predicts free acid at a fast rate despite several practical constraints. It performs well under various process conditions, detects abnormalities, and enhances stability in the leaching process. • A dynamic physics-based model was developed to predict free acid in a leaching process. • Model combines first principle equations with data-driven methods for accuracy. • Free acid depends on upstream variables, some unmeasured or slowly available. • Multiple models were developed to predict upstream variables accurately.
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