Resumen de Modelo geometalúrgico de la caracterización de arcillas para la eficiencia de la flotación usando la metodología de machine learning

Julio Alejandro Castro Andrade, Marilú Calderón Celis

• español

  El modelo geometalúrgico es el resultado de la integración de las disciplinas de geología, minería y metalurgia con la finalidad de agregar valor y disminuiría el riesgo en un proceso como por ejemplo la eficiencia de flotación de calcopirita. El objetivo de este estudio fue calibrar modelos para cuantificar el contenido de arcillas y gangas de un yacimiento hidrotermal del tipo pórfido cobre-oro por espectroscopía NIR. La metodología seleccionada fue diseñar un modelo quimiométrico basado en 173 compositos de taladros diamantinos a los que se le realizó ensayos de difracción de rayos x y espectroscopia de infrarrojo cercano, validándose los resultados con una validación cruzada a través de una metodología machine learning. La creación de los modelos se realizó mediante una regresión no lineal regularizada por el método de Ridge. Se obtuvo modelos con baja linealidad para minerales de calcita y plagioclasa, con valores de R2 (0.51 y 0.78, respectivamente). El modelo de regresión presenta una linealidad para minerales de esmectita, cuarzo, ortoclasa y muscovita mostró un alto R2 (0.95, 0.93, 0.64 y 0.59, respectivamente). Los resultados encontrados para el contenido de arcillas y gangas indican que los análisis de difracción de rayos x se pueden sustituir, en gran parte, por los modelos espectrales. En el caso de la calcita y plagioclasa, sería conveniente realizar una campaña de caracterización, con la finalidad de mejorar el modelo y poder sustituir los análisis de difracción de rayos x para estas especies, lo que permitirá generar un modelo geometalúrgico de una forma rápida y eficiente con un método semi cuantitativo.

• English

  The geometallurgical model is the result of the integration of the disciplines of geology, mining and metallurgy in order to add value and reduce risk in a process such as the flotation efficiency of chalcopyrite. The objective of this study was to calibrate models to quantify the content of clays and gangas of a hydrothermal deposit of the porphyry copper-gold type by NIR spectroscopy. The selected methodology was to design a chemometric model based on 173 diamond drill composites to which X-ray diffraction tests and near infrared spectroscopy were performed, validating the results with a cross-validation through a machine learning methodology. The creation of the models was carried out by means of a regularized non-linear regression by the Ridge method. Low linearity models were obtained for calcite and plagioclase minerals, with R2 values (0.51 and 0.78, respectively). The regression model presents a linearity for smectite, quartz, orthoclase and muscovite minerals showed a high R2 (0.95, 0.93, 0.64 and 0.59, respectively). The results found for the content of clays and gangue indicate that X-ray diffraction analyzes can be largely replaced by spectral models. In the case of calcite and plagioclase, it would be convenient to carry out a characterization campaign, in order to improve the model and to be able to replace the x-ray diffraction analyzes for these species, which will allow to generate a geometallurgical model in a quick and easy way. efficient with a semi-quantitative method.