gold_recovery_efficiency

Определение эффективности очистки золотоносной руды

Статус проекта

Завершен.

Задачи

Построить модель, прогнозирующую концентрацию золота после проведения процесса очистки руды.

Выводы

1. Обученные модели линейной регрессии показали себя достаточно точными на тестовой выборке - sMAPE оценки эффективности обогащения в черновом и финальном концентратах 8.2% и 8.8% соответственно, а для комплексного sMAPE - 8.6%.
2. Оптимизация моделей позволила кардинально снизить кол-во необходимых признаков без потери качества прогноза - 3 признака для модели оценки эффективности обогащения чернового концентрата, 5 признаков для модели оценки эффективности обогащения финального концентрата.
3. Определили коэффициенты линейной регрессии модели, что благодаря простоте модели позволяет легко выполнять оценки предполагаемой концентрации золота.

Сферы деятельности

Промышленность

Библиотеки

pandas, seaborn, numpy, sklearn, matplotlib, scipy

Ключевые навыки

Исследовательский анализ данных, заполнение пропусков во временных рядах с помощью аппроксимации B-сплайнами, кастомные метрики, исключение мультиколлинеарных признаков по VIF критерию, оптимизация линейной регрессии по кол-ву признаков с помощью кроссвалидации.

Описание

Необходимо построить модель машинного обучения для компании, разрабатывающей решения для эффективной работы промышленных предприятий. Модель должна предсказать коэффициент восстановления золота из золотосодержащей руды на основе данных с параметрами добычи и очистки. Модель поможет оптимизировать производство, чтобы не запускать предприятие с убыточными характеристиками.

Технологический процесс очистки руды состоит из следующих этапов:
1. Флотация
Во флотационную установку подаётся смесь золотосодержащей руды. После обогащения получается черновой концентрат и «отвальные хвосты», то есть остатки продукта с низкой концентрацией ценных металлов. На стабильность этого процесса влияет непостоянное и неоптимальное физико-химическое состояние флотационной пульпы (смеси твёрдых частиц и жидкости).
2. Очистка
Черновой концентрат проходит две очистки. На выходе получается финальный концентрат и новые отвальные хвосты.

Каждый из этапов характеризуется набором признаков, принадлежность которых закодирована в названии признака:

[этап].[тип_параметра].[название_параметра]

Возможные значения для блока [этап]:

• rougher — флотация
• primary_cleaner — первичная очистка
• secondary_cleaner — вторичная очистка
• final — финальные характеристики

Возможные значения для блока [тип_параметра]:

• input — параметры сырья
• output — параметры продукта
• state — параметры, характеризующие текущее состояние этапа
• calculation — расчётные характеристики

Параметры этапов

• air amount — объём воздуха
• fluid levels — уровень жидкости
• feed size — размер гранул сырья
• feed rate — скорость подачи

Задачу проекта можно разбить на 2 этапа:

1. Прогноз эффективности обогащения чернового концентрата rougher.output.recovery.
2. Прогноз эффективности обогащения финального концентрата final.output.recovery.