陳 飛 任光華 戴 勇

(新疆維吾爾自治區(qū)特種設(shè)備檢驗(yàn)研究院,烏魯木齊 830011)

生物氧化提金是一種針對(duì)難處理金礦石的預(yù)處理技術(shù)，可以解決其他常規(guī)選冶技術(shù)因回收率過低而無法實(shí)現(xiàn)工業(yè)利用的低品位金礦選冶難題。生物氧化提金技術(shù)屬新興技術(shù)，提金率受工藝參數(shù)設(shè)定的影響波動(dòng)較大。現(xiàn)有的對(duì)生物氧化提金工藝的研究主要集中在菌種的選育和培養(yǎng)[1～3]與單一工藝參數(shù)的恒值控制，鮮有對(duì)工藝參數(shù)的優(yōu)化研究。

傳統(tǒng)的工藝參數(shù)優(yōu)化需要建立精確的數(shù)學(xué)模型，但由于生物氧化預(yù)處理過程具有強(qiáng)耦合性、強(qiáng)非線性和過程參數(shù)動(dòng)態(tài)性能無法精確了解的特征，導(dǎo)致系統(tǒng)模型很難精確建立。而且在龐大的工藝歷史數(shù)據(jù)庫中隱含了大量可對(duì)提金工藝參數(shù)進(jìn)行優(yōu)化的知識(shí)數(shù)據(jù)，巨大的數(shù)據(jù)量也為人工分析帶來了很大難度[4]。因此，傳統(tǒng)的工藝參數(shù)優(yōu)化方法在應(yīng)用上受到很大約束。

數(shù)據(jù)挖掘技術(shù)作為一門新興學(xué)科，能夠在人工干預(yù)較少的情況下處理復(fù)雜的數(shù)據(jù)信息，并提取相關(guān)知識(shí)規(guī)則。筆者依據(jù)數(shù)據(jù)挖掘技術(shù)和關(guān)聯(lián)規(guī)則理論，建立生物氧化預(yù)處理過程工藝參數(shù)優(yōu)化的新方法，以適用于生物氧化預(yù)處理等流程工業(yè)工藝參數(shù)的優(yōu)化。

1 生物氧化預(yù)處理工藝分析①

筆者以某金礦生物氧化提金工藝為背景來研究工藝參數(shù)間的關(guān)聯(lián)知識(shí)。工藝描述如下：先將礦石磨碎與水混合成濃度為18.5%的混合液，流入調(diào)漿池進(jìn)行加藥；之后進(jìn)入氧化槽開始氧化分解，氧化槽共有6級(jí)，每一級(jí)氧化環(huán)境均不同，當(dāng)細(xì)菌將硫及砷等元素完全“吞噬”后，隱含在礦石內(nèi)的金就會(huì)暴露出來，為后面的氰化提金做準(zhǔn)備。在生物氧化預(yù)處理過程中細(xì)菌的活性決定了氧化的效率，為了提高和保持細(xì)菌的活性，需要為細(xì)菌提供適宜的生存環(huán)境。通常的工藝條件為：pH值2.0～2.4，進(jìn)風(fēng)量1 550～1 600m3/h，溫度40～43℃，生物氧化還原電位570～610mV。生物氧化還原電位可以衡量氧化效率，是參數(shù)優(yōu)化的目標(biāo)值。在進(jìn)風(fēng)量為1 550～1 600m3/h的情況下，影響細(xì)菌氧化速率的因素有礦漿濃度、磨礦細(xì)度、Fe3+濃度、培養(yǎng)基、水系、pH值、溫度及進(jìn)風(fēng)量等，其中可控因素為溫度、進(jìn)風(fēng)量和pH值，具體描述如下：

a. 溫度是氧化預(yù)處理過程中比較重要的參數(shù)，合適的溫度能夠提高細(xì)菌的活性，但過高的溫度卻會(huì)殺死細(xì)菌，致使氧化預(yù)處理過程無法繼續(xù)進(jìn)行[5]。

b. 進(jìn)風(fēng)量影響氧化槽內(nèi)好氧菌的活性，進(jìn)風(fēng)量太大不經(jīng)濟(jì)，而且會(huì)造成氧化槽內(nèi)液面波動(dòng)劇烈致使礦液溢出污染環(huán)境；進(jìn)風(fēng)量太小又保證不了細(xì)菌的需求，導(dǎo)致細(xì)菌活性降低。

c. 工藝參數(shù)pH值主要為細(xì)菌提供一個(gè)適宜的生存環(huán)境，合適的pH值能夠大幅度地提高細(xì)菌的活性。

2 數(shù)據(jù)挖掘與關(guān)聯(lián)規(guī)則理論

2.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中發(fā)現(xiàn)有用知識(shí)的過程。伴隨著計(jì)算機(jī)技術(shù)在工業(yè)領(lǐng)域的大量應(yīng)用，越來越多的現(xiàn)場(chǎng)數(shù)據(jù)被記錄并保存下來；但是由于缺乏強(qiáng)有力的工具，對(duì)這些龐大數(shù)據(jù)的理解與分析已經(jīng)超出了人的能力，因此這些數(shù)據(jù)庫逐漸變成了“數(shù)據(jù)墳?zāi)埂盵6]。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為解決這一問題指明了方向，其已逐漸成為決策者們從海量數(shù)據(jù)中提取有價(jià)值知識(shí)的強(qiáng)力工具。

數(shù)據(jù)挖掘的一般步驟如下：

a. 數(shù)據(jù)預(yù)處理。從數(shù)據(jù)庫中提取和分析與任務(wù)相關(guān)的數(shù)據(jù)，并剔除異常數(shù)據(jù)。

b. 數(shù)據(jù)變換。將數(shù)據(jù)變換或統(tǒng)一成適合挖掘的形式。

c. 數(shù)據(jù)挖掘。數(shù)據(jù)挖掘技術(shù)的基本步驟，即使用智能方法提取數(shù)據(jù)模式。

d. 模式評(píng)估。依據(jù)某種興趣度度量，識(shí)別表示知識(shí)的真正有用模式[7]。

2.2 關(guān)聯(lián)規(guī)則理論與Apriori算法

2.2.1關(guān)聯(lián)規(guī)則理論

關(guān)聯(lián)規(guī)則就是從事務(wù)數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫和其他存儲(chǔ)信息中的大量數(shù)據(jù)項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性。

關(guān)聯(lián)規(guī)則定義如下：設(shè)I={i1,i2,…,in}是所有項(xiàng)目的集合，D是所有事務(wù)的集合，每個(gè)事務(wù)T是一些項(xiàng)目的集合，T包含在I中，每個(gè)事務(wù)可以用唯一的標(biāo)識(shí)符TID表示。設(shè)集合X為某些項(xiàng)目的集合，如果X?T，則稱事務(wù)T包含X。關(guān)聯(lián)規(guī)則表示為X(X?T)?Y(Y?T)，其中，X?I、Y?I、X∩Y=Φ。規(guī)則的普遍性一般用支持度和置信度來衡量。

支持度S表示事務(wù)在規(guī)則中出現(xiàn)的頻率。關(guān)聯(lián)規(guī)則X?Y的支持度S定義如下：

(1)

其中，|T(X∪Y)|為數(shù)據(jù)集中包含X∪Y的事務(wù)數(shù)；|T|為數(shù)據(jù)集中的事務(wù)總數(shù)。

置信度C表示關(guān)聯(lián)規(guī)則X?Y的強(qiáng)度，可定義為：

(2)

其中，|T(X∪Y)|為數(shù)據(jù)集中包含X∪Y的事務(wù)數(shù)；|T(X)|為數(shù)據(jù)集中包含X的事務(wù)數(shù)[8]。

由上可知，關(guān)聯(lián)規(guī)則的實(shí)現(xiàn)步驟可概括為：首先對(duì)原始數(shù)據(jù)庫進(jìn)行數(shù)據(jù)分析并得到一個(gè)事務(wù)數(shù)據(jù)庫D，再人為地根據(jù)工藝要求提出一個(gè)最小支持度Smin和一個(gè)最小置信度Cmin，最后求出所有滿足該最小支持度和最小置信度的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則的挖掘問題同樣可分為兩個(gè)子問題：

a. 找出事務(wù)數(shù)據(jù)庫D中滿足最小支持度Smin的所有頻繁項(xiàng)目集；

b. 檢驗(yàn)滿足最小支持度的頻繁項(xiàng)目集是否滿足最小置信度Cmin，生成對(duì)應(yīng)的關(guān)聯(lián)規(guī)則。

子問題a是關(guān)聯(lián)規(guī)則中的關(guān)鍵部分，當(dāng)前大部分研究工作大都集中在該問題上。Apriori、DHP及Partition 等算法被認(rèn)為是最有影響和最有效的關(guān)聯(lián)規(guī)則算法[9]。

2.2.2Apriori算法

Apriori算法是一種比較有影響力的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，其核心是基于兩階段頻集思想的遞推算法。該關(guān)聯(lián)規(guī)則在分類上屬于單維、單層、布爾關(guān)聯(lián)規(guī)則。Apriori算法實(shí)現(xiàn)數(shù)據(jù)挖掘主要分為兩步：

a. 通過迭代，掃描事務(wù)數(shù)據(jù)庫中的所有項(xiàng)集，按照一定的最小支持度，篩選出所有頻繁項(xiàng)集，即淘汰閾值低于最小支持度的項(xiàng)集，保留閾值相對(duì)較大的頻繁項(xiàng)集；

b. 計(jì)算這些頻繁項(xiàng)集的置信度[10]。

可見，Apriori算法的整個(gè)實(shí)現(xiàn)過程由“連接”和“剪枝”兩個(gè)部分組成。

3 知識(shí)挖掘

3.1 數(shù)據(jù)預(yù)處理和數(shù)據(jù)類型轉(zhuǎn)換

工廠基礎(chǔ)自動(dòng)化層面獲取的數(shù)據(jù)十分龐大、復(fù)雜，但只需要系統(tǒng)穩(wěn)態(tài)時(shí)的數(shù)據(jù)。所以，需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，從中提取出研究需要的穩(wěn)態(tài)數(shù)據(jù)。

筆者使用相似穩(wěn)定判別法得到系統(tǒng)穩(wěn)態(tài)的時(shí)間段。生物氧化提金過程中，溫度和pH值是敏感監(jiān)測(cè)點(diǎn)，可以認(rèn)為某段時(shí)間內(nèi)溫度和pH值都達(dá)到穩(wěn)定時(shí)就是穩(wěn)定工況。具體判別式為：

(3)

進(jìn)風(fēng)量為1 550～1 600m3/h，依據(jù)式(3)對(duì)數(shù)據(jù)進(jìn)行篩選，得到對(duì)應(yīng)穩(wěn)態(tài)時(shí)的pH值、溫度和氧化還原電位數(shù)據(jù)共26條(表1)。

表1 系統(tǒng)穩(wěn)態(tài)數(shù)據(jù)

Apriori算法是一種挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，因此需要將表1中的數(shù)據(jù)轉(zhuǎn)換成布爾型數(shù)據(jù)。筆者采用適當(dāng)?shù)亩x轉(zhuǎn)換方法實(shí)現(xiàn)了浮點(diǎn)型數(shù)據(jù)到布爾型數(shù)據(jù)的轉(zhuǎn)換，例如將pH值2.216 370 106轉(zhuǎn)換為“屬于[2.21，2.22]”。

3.2 支持度與置信度計(jì)算

筆者旨在研究生物氧化提金預(yù)處理系統(tǒng)的參數(shù)優(yōu)化，因此省略了Apriori算法掃描數(shù)據(jù)庫生成項(xiàng)集的過程，只對(duì)4維項(xiàng)集{pH值，溫度，進(jìn)風(fēng)量，氧化還原電位}進(jìn)行研究。按照pH值以0.1間隔、溫度以1℃間隔、氧化還原電位以1mV間隔，可得26條關(guān)聯(lián)規(guī)則。按照一般支持度計(jì)算方法，26條關(guān)聯(lián)規(guī)則的支持度全部為1/26，失去了研究的意義，因此筆者主要以氧化還原電位的支持度作為26條關(guān)聯(lián)規(guī)則的支持度。

由于研究對(duì)象和研究領(lǐng)域的不同，最小支持度和最小置信度的設(shè)定還沒有特定的公式和方法，通常依據(jù)專家經(jīng)驗(yàn)給定。筆者結(jié)合生物氧化提金預(yù)處理過程的一般要求和特殊性給定最小支持度Smin為7.7%，最小置信度Cmin為50%。結(jié)合式(2)可得強(qiáng)關(guān)聯(lián)規(guī)則(表2)。

表2 強(qiáng)關(guān)聯(lián)規(guī)則

依據(jù)式(2)可得，表2中第2行的強(qiáng)關(guān)聯(lián)規(guī)則滿足最小置信度，是筆者需要求取的關(guān)聯(lián)知識(shí)。

3.3 知識(shí)評(píng)估與結(jié)論驗(yàn)證

為了判定挖掘到的關(guān)聯(lián)知識(shí)是否能夠更好地指導(dǎo)實(shí)踐，需要結(jié)合被研究對(duì)象的實(shí)際工況具體分析各參數(shù)范圍是否符合工藝要求，是否能達(dá)到較高的生產(chǎn)指標(biāo)。

結(jié)合筆者對(duì)生物氧化預(yù)處理階段影響因素的分析和西北高寒地區(qū)特殊的氣候條件可知，氧化槽內(nèi)的氧化還原電位直接關(guān)系著槽內(nèi)細(xì)菌的活性和分解速率：強(qiáng)酸性環(huán)境下細(xì)菌活性和分解率更高。相對(duì)于平原地區(qū)，西北高原地區(qū)較高的溫度環(huán)境更有利于細(xì)菌的生長(zhǎng)。

依據(jù)表1的原始系統(tǒng)穩(wěn)態(tài)數(shù)據(jù)可作出溫度、pH值與氧化還原電位的相關(guān)關(guān)系曲線，如圖1、2所示?？梢?，系統(tǒng)進(jìn)風(fēng)量在[1550，1600]時(shí)，溫度在[42，43]之間時(shí)氧化還原電位最穩(wěn)定、pH值在[2.2，2.3]之間時(shí)氧化還原電位最高。

圖1 溫度與氧化還原電位相關(guān)關(guān)系曲線

圖2 pH值與氧化還原電位相關(guān)關(guān)系曲線

筆者依據(jù)系統(tǒng)穩(wěn)態(tài)數(shù)據(jù)所挖掘出的關(guān)聯(lián)規(guī)則從理論上來講滿足工藝要求，各參數(shù)在物理上可提高生物氧化提金系統(tǒng)的提金率。

4 結(jié)束語

針對(duì)生物氧化提金技術(shù)提金率受工藝參數(shù)設(shè)定影響波動(dòng)大的問題，筆者依據(jù)數(shù)據(jù)挖掘技術(shù)和關(guān)聯(lián)規(guī)則理論，采用Apriori算法建立了一種優(yōu)化生物氧化預(yù)處理過程工藝參數(shù)的新方法，能夠較準(zhǔn)確地挖掘隱藏在歷史數(shù)據(jù)中的溫度及pH值等工藝參數(shù)的最優(yōu)范圍，可有效提高能源和原料的利用率，對(duì)生產(chǎn)實(shí)踐具有理論指導(dǎo)意義，在常規(guī)流程工業(yè)過程優(yōu)化領(lǐng)域具有廣闊的應(yīng)用前景。

[1] 陳飛.基于時(shí)間序列數(shù)據(jù)挖掘的生物氧化提金工藝參數(shù)優(yōu)化[D].烏魯木齊:新疆大學(xué),2014.

[2] 李泉.生物氧化提金預(yù)處理過程參數(shù)間關(guān)系的辨識(shí)研究[J].化工自動(dòng)化及儀表,2014,41(10):1185～1188.

[3] 李偉,南新元,吳瓊.生物氧化提金中基于PSO-LSSVM的氧化還原電位建模研究[J].貴金屬,2014,35(4):60～64.

[4] 聶曉凱,陽春華,柴琴琴,等.基于最小二乘支持向量機(jī)的氧化鋁蒸發(fā)過程濃度在線預(yù)測(cè)[C].有色金屬工業(yè)科學(xué)發(fā)展——中國有色金屬學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集.長(zhǎng)沙:中南大學(xué)出版社,2010:415～419.

[5] 劉子龍,秦曉鵬.影響生物氧化提金工藝的主要因素與措施[J].黃金科學(xué)技術(shù),2010,18(2):58～60.

[6] Liao S H,Chu P H,Hsiao P Y.Data Mining Techniques and Applications-A Decade Review from 2000 to 2011[J].Expert Systems with Applications,2012,12(39):11303～11311.

[7] 高丙朋,南新元,魏霞.基于迭代LS-SVM生物氧化提金預(yù)處理工藝參數(shù)優(yōu)化算法的研究[J].貴金屬,2012,33(2):40～43.

[8] Han J W,Micheline K,Pei J.Data Mining: Concepts and Techniques[M].San Francisco: Morgan Kaufmann,2011:147～149.

[9] Ralha C G,Carlos V S S.A Multi-agent Data Mining System for Cartel Detection in Brazilian Government Procurement[J].Expert Systems with Applications,2012,39(14):11642～11656.

[10] 包震宇.基于粗糙集對(duì)Apriori算法的改進(jìn)[D].上海:上海師范大學(xué),2010.