تلفیق داده های حاصل از نمونه برداری کارخانه ی فرآوری طلای زرشوران

نظارت، کنترل و بهینه سازی یک مدار فرآوری در اولین قدم نیازمند شناخت آن مدار است. شناسایی عملکرد یک مدار نیز وابسته به داشتن اطلاعات جامع، صحیح و دقیق می باشد. متأسفانه در صنعت فرآوری مواد معدنی به دلیل ماهیت تصادفی مشخصات کانسنگ و ناهمگنی بالا و انواع خطاهای نمونه برداری و نیز به دلیل عدم امکان برداشت اطلاعات از برخی محل ها، داده های حاصل از نمونه برداری ها همواره ناقص و حاوی خطا می باشند. خطاهای تصادفی و غیر تصادفی موجود در داده ها می توانند شناسایی مدار و در نتیجه فعالیت های نظارتی و بهینه سازی را با مشکلات جدی روبرو کنند؛ لذا برداشت نمونه از مناسب ترین محل ها که بیشترین دقت و صحت را در تخمین ها باعث شود و نیز اصلاح داده ها و حذف خطاهای متفاوت، پیش نیاز هر عملیات مهندسی در فرآوری مواد معدنی است. در این پایان نامه تلاش شده است تا مبانی تئوریک پالایش داده ها شامل حذف خطاهای فاحش، تلفیق داده ها در حالات خطی، دو خطی، چند خطی و غیرخطی به روش های تحلیلی و عددی متفاوت بررسی شده و ضمن آموختن مبانی، با پیاده سازی آن ها در محیط نرم افزار متلب، بسته های نرم افزاری متفاوتی برای فعالیت های متفاوت داده پردازی ایجاد و اعتبارسنجی شود. سپس این ابزارها جهت اصلاح داده های حاصل از نمونه برداری از مدار خردایش کارخانه ی طلای زرشوران به کار رفته اند. نتایج این تحقیق نشان داد که چگونه پیش از اجرای نمونه برداری از مدار می توان با استفاده از آنالیز افزونگی داده ها و تئوری گراف، محل های مناسب تر برای نمونه برداری را تعیین کرد. با استفاده از آزمون های مختلف آشکارسازی خطاهای فاحش نشان داده شد که آنالیزهای مربوط به نقره در خروجی آسیا و آنالیز مس در جریان سرریز سیکلون دارای خطای فاحش است و نمی بایست در محاسبات تلفیق داده ها دخالت داده شود. به علاوه نتایج تلفیق داده ها در حالت های مختلف خطی و غیرخطی نشان داد که اندازه گیری دبی ته ریز سیکلون خطایی حدود 32 درصد داشته است و استفاده از داده خام این جریان در محاسبات مختلف می تواند منجر به تصمیم گیری های غلط شود. در این پایان نامه، برای اولین بار در مسأله پیچیده تلفیق غیرخطی داده ها، از الگوریتم ژنتیک جهت بهینه سازی استفاده شد و نتایج نشان داد که الگوریتم های فرا ابتکاری می توانند در جهت اصلاح بهتر داده ها به کار گرفته شوند.