Memoria para optar al título de Geóloga / Un factor importante en la industria minera es el alto valor económico de las operaciones destacando los procesos de conminución. Los ensayos geometalúrgicos que estiman el comportamiento en molienda del procesamiento mineral y la energía en los molinos corresponde al Bond Work Index (BWI) y el SAG Power Index (SPI). Estos ensayos junto al Crusher Index (CI), permiten estimar la capacidad de tratamiento de la planta de molienda en tonelada por hora (TPH) optimizando de esta forma, la cantidad de materiales que ingresa al proceso.
El objetivo principal del presente estudio es plantear una metodología para la predicción de variables geometalúrgicas a partir de características geológicas de un pórfido cuprífero mediante métodos de aprendizaje automáticos. Los métodos a utilizar son Support Vector Machine (SVM), Random Forest y Partial Least Squares (PLS).
En este trabajo, se modela la variable geometalúrgica SPI usando datos de análisis QEMSCAN, análisis ICP, litología, alteración, mineralización y variables hiperespectrales (VNIR-SWIR). La zona de estudio corresponde a la minera Spence, un yacimiento tipo pórfido cuprífero con enriquecimiento secundario.
Para predecir la variable SPI, se realizaron tres experimentos principales en cada método: utilizando todos los datos, seleccionando ciertos atributos y eliminando las variables hiperespectrales. En el caso del método Random Forest, se realizó una variación en la predicción al incluir las variables categóricas.
En base a los resultados, los métodos que obtuvieron un menor error cuadrático medio fueron PLS y Random Forest. El método SVM siempre obtuvo los errores cuadráticos medios más altos en la predicción. Al eliminar las variables hiperespectrales de la base de datos, el error cuadrático medio (MSE) aumenta indicando la importancia que poseen estas variables en la predicción. Al incluir las variables categóricas, se observa un aumento leve del MSE.
En las variables hiperespectrales, se observa que las bandas de mayor importancia son las que pertenecen al rango espectral VNIR. A este rango se le asocia minerales como la pirita, óxidos de Fe, alunita y crisocola.
Los atributos principales en la predicción del SPI son el apatito, muscovita-sericita, V, Mg, caolinita, biotita, Sr y ortoclasa. Finalmente se tiene que el comportamiento reológico de los minerales junto a su estructura interna, son características importantes influyentes en el valor del SPI. También se debe considerar otros factores como la textura y la existencias de estructuras geológicas. / Laboratorio ALGES
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/171813 |
| Date | January 2019 |
| Creators | Carrillo Rojas, Daniela Paola |
| Contributors | Navarro Vargas, Felipe, Townley Callejas, Brian, Deckart, Katja, Ferrer Ayala, Renato |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0025 seconds