Application of Artificial Neural Networks for Investigation of Pressure Filtration Performance, a Zinc Leaching Filter Cake Moisture Modeling

要約

機械学習 (ML) は、材料科学アプリケーションのための強力なツールです。
人工ニューラル ネットワーク (ANN) は、高い予測精度を提供できる機械学習技術です。
この研究は、亜鉛製造の加圧濾過プロセスのケーキ水分を予測するための ANN モデルを開発することを目的としました。
ケーキの水分は、温度 (摂氏 35 および 65 分)、固形分濃度 (0.2 および 0.38 g/L)、pH (2、3.5、および 5)、エアブロー時間 (2、10、および 15 分) の 7 つのパラメーターの影響を受けました。
)、ケーキの厚さ (14、20、26、および 34 mm)、圧力、および濾過時間。
この研究では、ポリプロピレン (S1) とポリエステル (S2) の 2 種類の生地を使用して 288 件のテストを実施しました。
ANN モデルは、両方のデータセットの決定係数 (R2)、平均二乗誤差 (MSE)、および平均絶対誤差 (MAE) メトリクスによって評価されました。
結果は、S1 と S2 について、それぞれ R2 値が 0.88 と 0.83、MSE 値が 6.243×10-07 と 1.086×10-06、MAE 値が 0.00056 と 0.00088 であることを示しました。
これらの結果は、ANN モデルが亜鉛浸出プロセスにおける加圧ろ過のケーキ水分を高精度に予測できることを示しました。

要約(オリジナル)

Machine Learning (ML) is a powerful tool for material science applications. Artificial Neural Network (ANN) is a machine learning technique that can provide high prediction accuracy. This study aimed to develop an ANN model to predict the cake moisture of the pressure filtration process of zinc production. The cake moisture was influenced by seven parameters: temperature (35 and 65 Celsius), solid concentration (0.2 and 0.38 g/L), pH (2, 3.5, and 5), air-blow time (2, 10, and 15 min), cake thickness (14, 20, 26, and 34 mm), pressure, and filtration time. The study conducted 288 tests using two types of fabrics: polypropylene (S1) and polyester (S2). The ANN model was evaluated by the Coefficient of determination (R2), the Mean Square Error (MSE), and the Mean Absolute Error (MAE) metrics for both datasets. The results showed R2 values of 0.88 and 0.83, MSE values of 6.243×10-07 and 1.086×10-06, and MAE values of 0.00056 and 0.00088 for S1 and S2, respectively. These results indicated that the ANN model could predict the cake moisture of pressure filtration in the zinc leaching process with high accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google