一种铂钯共生矿的浮选精矿中铂钯品位的预测方法

本发明属于选矿技术领域，具体涉及一种铂钯共生矿的浮选精矿中铂钯品位的预测方法。

技术背景

品位是指矿石(或选矿产品)中有用成分或有用矿物的含量，是矿石和选矿产品的主要质量指标，它直接影响选矿效率。当前在生产现场一般都是通过取样化验的方法获取选矿产品品位，检测手段多样但无法提供实时监测，数据往往相对于工艺流程较为滞后，因此，运用数学思维建立线性回归方程模型对选矿指标的预测越来越受到世界各国矿物加工工程学者的重视。

黄橙(原矿铜、硫品位与金、铜回收率预测模型的建立与应用，《现代矿业》，2018(3)，168-171)利用统计回归分析法建立金、铜回收率与原矿硫、铜品位的多元线性回归模型，预测指导在原矿品位波动下的生产指标规律。赵乐(应用回归分析确定铁精矿中铁品位与二氧化硅含量相互关系，《冶金标准化与质量》，2006，44(1)，17-21)利用统计技术建立tfe品位与sio2含量的数学模型，通过回归分析、显著性检验确定鞍钢大孤山选厂、东鞍山烧结厂、齐大山选厂的铁精矿tfe品位与sio2含量的相关关系式及(tfe+sio2)％为常数关系，对选矿、烧结生产具有重要意义。何炯奎(锂辉石贫矿选矿工艺回收率与品位的回归分析，《新疆有色金属》，1995，21-28)应用回归分析方法建立了锂的精矿品位与药剂制度的多元线性回归的数学模型，并利用所求模型来实现对选矿生产的预报和控制。然而，数学模型的研究主要集中在选矿回收率方面，且相对较为成熟，但在精矿品位预测方面却鲜见报道，尤其是对于铂钯等贵金属未见相关报道。

地采选冶过程中，铂、钯等贵金属含量低、组分差异大、不均匀和赋存状态复杂等特点，对检测技术要求高。目前，铂、钯的检测分析技术主要有：电感耦合等离子体发射光谱法(icp-aes)、原子吸收光谱法(aas)、电感耦合等离子体质谱法(icp-ms)、电弧发射光谱法(arc-oes)和辉光放电质谱法(gd-ms)等。这些技术虽然精度高，但存在分析周期长、难度大的不足，难以满足快速指导选矿试验和工业生产的需求。因此，研究其预测分析计算方法，对于快速准确判断技术指标及趋势，具有重要的实际意义。

技术实现要素：

本发明的目的在于克服现有铂钯等贵金属的精矿品位预测方面的研究空白，提供一种铂钯共生矿的浮选精矿中铂钯品位的预测方法。本发明提供的预测方法基于铜镍元素检测的快捷性，充分考虑元素间相互依存的相关关系，以铜镍元素品位作为自变量因素，克服了铂钯品位分析检测困难、回馈周期长，严重影响对生产实践的指导作用的缺陷；利用该预测方法得到的线性回归方程具有较高的拟合度，可有效、准确地预测铂钯品位。

为实现本发明的目的，本发明采取如下方案：

一种铂钯共生矿的浮选精矿中铂钯品位的预测方法，包括如下步骤：

s1：测定铂钯共生矿的浮选精矿中铜和镍的品位和，记为x，％；对应测定浮选精矿中铂和钯的品位和，记为y，g/t；

s2：利用线性回归方程y＝(η0+η1x)/10000对s1测得的x和y进行回归分析得η0和η1；

s3：测定待测浮选精矿样品中铜和镍的品位和x，根据线性回归方程即可计算得到铂和钯的品位和y。

本发明的发明人通过反复研究发现，铂钯共生矿的浮选精矿中铜和镍的品位和与铂和钯的品位和之间存在较高的线性相关度(相关系数在0.7以上)，通过快速测定铜镍元素的品位，可实现对铂和钯的品位和的预测，克服了铂钯品位分析检测困难、回馈周期长，严重影响对生产实践的指导作用的缺陷。

利用本发明的预测方法得到的线性回归方程具有较高的拟合度，可有效、准确地预测铂钯品位。

根据预测的准确度要求，可对样本数量进行优化。

优选地，s1中至少测定15组对应的x和y值。

更为优选地，s1中测定15～25组对应的x和y值。

优选地，s2中利用最小二乘法分析得到η0和η1。

更为优选地，s2中还包括计算得到修正系数γs的步骤。

优选地，s1中所述铂钯共生矿的浮选精矿通过如下过程得到：矿石磨细至-0.074mm占60％～72％，加入调整剂、捕收剂和起泡剂进行一次粗选，粗选尾矿磨细至-0.043mm占65％～75％，加入调整剂、捕收剂和起泡剂进行二次粗选，两次粗选精矿合并进行三次空白精选，获得浮选精矿，精选中矿顺序返回；二次粗选尾矿加入捕收剂和起泡剂进行二次扫选，扫选中矿顺序返回，二次扫选尾矿即为浮选精矿。

更为优选地，所述捕收剂为丁基黄原酸丙炔酯、乙硫氮丙炔酯、乙硫氨酯或丁基黄药中的一种或多种。

更为优选地，所述捕收剂的用量为10～300g/t。

更为优选地，所述调整剂为碳酸钠、水玻璃、cmc或六偏磷酸钠中的一种或多种。

更为优选地，所述调整剂的用量为200～3000g/t。

更为优选地，所述起泡剂为松醇油。

更为优选地，所述起泡剂的用量为5～80g/t。

本发明的预测方法对现有常规的铂钯共生矿(铂钯的品位y一般在1～100g/t之间)均具有较好的适用性

优选地，所述浮选精矿中铂、钯品位和y为1～100g/t。

与现有技术相比，本发明具有如下有益效果：

本发明提供的预测方法基于铜镍元素检测的快捷性，充分考虑元素间相互依存的相关关系，以铜镍元素品位作为自变量因素，克服了铂钯品位分析检测困难、回馈周期长，严重影响对生产实践的指导作用的缺陷；利用该预测方法得到的线性回归方程具有较高的拟合度，可有效、准确地预测铂钯品位。

附图及说明

图1是本发明实施例1中excel软件的回归结果图；

图2是本发明实施例1的预测方法的流程图。

具体实施方式

下面结合实施例进一步阐述本发明。这些实施例仅用于说明本发明而不用于限制本发明的范围。下例实施例中未注明具体条件的实验方法，通常按照本领域常规条件或按照制造厂商建议的条件；所使用的原料、试剂等，如无特殊说明，均为可从常规市场等商业途径得到的原料和试剂。本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

本发明实施例1选用的铂钯矿为铂钯共生矿，对其进行浮选得到浮选精矿，具体过程如下：矿石磨细至-0.074mm占72％，加入1000g/t的碳酸钠、100g/t的乙硫氨酯和30g/t的松醇油进行一次粗选，粗选尾矿磨细至-0.043mm占72％，加入300g/t的cmc、30g/t的乙硫氮丙炔酯和10g/t的松醇油进行二次粗选，两次粗选精矿合并进行三次空白精选，获得浮选精矿，精选中矿顺序返回；二次粗选尾矿加入20g/t的丁基黄药和10g/t的松醇油进行二次扫选，扫选中矿顺序返回，二次扫选尾矿为最终尾矿。

实施例1

本实施例提供一种铂钯共生矿的浮选精矿中铂钯品位的预测方法，如图2，包括如下步骤：

(1)收集样本考察值

对浮选精矿中铜、镍品位作为样本考察值，样本值为19组，19组样本值具体数值如表1所示。

表119组样本值

(2)建立线性回归，模型

假设铂钯品位(y)与铜镍品位(x)呈线性相关，建立线性回归分析模型：y＝(η0+η1x)/10000，用excel软件，输入样本值数据后，选用最小二乘法估计模型的参数，得到模型估计结果(如图1所示)y＝(16.267+6.9235x)/10000、样本相关系数(r²＝0.7112)、修正系数(γs＝0.963974)，求得η0、η1的值，得到线性回归分析模型：y＝(η0+η1x)/10000，如图1。

(3)铂钯品位的预测

将需预测的铂钯品位对应的铜镍品位数值(如表2)带入到回归分析模型中，求得铂钯品位(如表2)。

对上述步骤(2)中的线性回归模型进行检验：

①拟合优度检测

从步骤(2)的模型估计结果可知，修正系数γs＝0.963974，即铜镍品位对铂钯品位浮动的96.4％做出解释。这也说明模型对该样本的拟合较好。

②模型的实际意义检验

铂钯品位的线性回归方程中各系数表明，在铜镍品位提高0.1个百分点时，铂钯品位可增加0.7个百分点，这与国外某选厂目前的生产指标相吻合，工业试验期选厂生产指标见下表2。

表2模型检验结果

由表2可知，在工业试验期，所得精矿中铂钯品位的实际值与计算值之间的误差为0.35％，相对误差为0.5％，说明按该模型计算的精矿中铂钯品位与实际品位基本吻合，这也表明了回归统计模型具有一定的实际意义。

本领域的普通技术人员将会意识到，这里的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。