基于BP神经网络的黄铁矿氧化过程溶出离子对浮选的影响OA

黄铁矿普遍存在于有色金属硫化矿中,但其在矿浆溶解氧的作用下易发生氧化溶解反应,影响自身的可浮性。然而,以往研究多聚焦于表面氧化行为对浮选的影响,而忽视了离子溶出的影响。鉴于此,考察了黄铁矿的氧化溶解特性及可浮性变化,并利用BP神经网络对黄铁矿回收率与溶出离子的相关性进行分析。氧化溶解实验结果表明,黄铁矿在浮选过程中的氧化程度随着时间的延长而逐渐增大,且Fe^(2+)、Fe^(3+)和SO_(4)^(2-)的溶出量在逐渐增加,分别可达68.01 mg/L、20.44 mg/L和107.02 mg/L。由相关性系数分析得知,回收率与矿浆中Fe^(2+)、Fe^(3+)浓度呈现显著负相关性(r_(1)=-0.42;r_(2)=-0.84),其中Fe^(3+)的强负相关性尤为突出,原因在于溶出的铁离子能够覆盖黄铁矿表面活性吸附位点,降低丁基黄药的吸附量,最终导致回收率下降;此外,BP神经网络模型对黄铁矿的回收率预测指标良好,拟合优度R^(2)为0.9988,均方误差MSE为0.5316,平均绝对误差MAE为0.0063,相对平均误差仅为2.47%。研究成果对深化黄铁矿浮选行为的认识具有重要意义,也能够为其他硫化矿氧化溶解反应的研究提供一定的参考。