均值比较用于选矿药剂的确定
均值比较用于选矿药剂的确定概述揭示和掌握实际生产数据之间的复杂关系和关系模型,是有效地进行生产控制和管理的基础。激烈的市场竞争和日趋苛刻的企业生产经营环境,使企业越来越重视基于实际生产数据的建模研究成果的实际应用。基于神经网络的选矿数学模型在选矿生产中的应用虽已初露端倪,但一般还只用于预测选矿效果,很少用于指导选矿现场。SPSS的均值比较与神经网络相结合弥补了这一缺陷。探索性数据研究方法的思路给了我们一定的启示,从选矿数据本身出发,利用探索性数据分析方法,寻找选矿因素间存在的规律性,挖掘出现有选矿条件下精矿品位与回收率可能达到的最佳结合点。浮选作业中,药剂用量直接影响精矿品位和回收率,因此恰当的药剂用量是获得精矿品位和回收率的最佳结合的关键。传统的选矿药剂用量的选取方法是通过经验值或参考文献初步确定,其进一步的确定是通过小型实验室的优化实验或分批实验获得,然而选矿优化实验或分批实验一方面需要的时间较长,并且选矿现场的条件往往比实验室恶劣得多,这使得选矿现场的实际品位、回收率往往低于实验室结果。如何快速准确地确定现场选矿药剂用量一直是选矿工作者面对的难题。本文采用均值比较对选矿数据进行比较,进而从选矿历史数据本身寻找出其中的规律性,并利用这些规律性对选矿现场进行指导。均值的估计用样本均值估计总体均值对于正态分布的总体均值,可以用从总体中随机抽取的样本的均值来估计;而对于非正态总体,随机样本的均值同样可以用来估计总体的均值。产样本均值给出了总体均值的点估计(pionteistmate)。换句话说样本均值给出一个数值或一个点,用这个数值或这个点来估计总体均值。样本容量和总体方差都会影响点估计的精度。通常情况下,大样本给出的估计会比较接近未知的总体均值的真值。另外,如果样本来自方差较小的总体,他们所给出的估计,一般也比较接近未知的总体均值的真值。这两个性质也可以共同起作用—来自方差较小总体的大容量样本极可能给出非常接近真正总体均值的估计。均值的置信区间如果得到了很多的样本均值,通过考察样本均值的分布可以获得总体均值的一个好的估计。另外,还可以通过样本均值的分布得到样本均值和总体均值之间的靠近程度的一个估计。但是,当只有一个样本均值时,如果想得到带有下限和上限的估计,就需要构造均值的置信区间。均值置信区间(eonifdeneeinetvral)给出了总体均值的一个区间估计(inetvraleistmaet)。这个估计在总体均值的点估计两边分别加了一个上限和下限。
页:
[1]