پیش بینی میزان پیریت باقیمانده در باطله های زغالی با استفاده از روش ترکیبی رگرسیون آماری چند متغیره و الگوریتم رقابت استعماری

در این مقاله، سعی شده است تا با استفاده از روش ترکیبی آماری رگرسیون چندمتغیره و نیز الگوریتم رقابت استعماری، میزان پیریت باقیمانده در بین ذرات باطله یک دمپ زغالی، پیش بینی شود. برای این منظور ابتدا، با استفاده از متغیرهای مستقلی مانند، عمق قرارگیری باطله ها، میزان اکسیژن نفوذی در بین ذرات باطله، میزان بی کربنات و نیز میزان پیریت اولیه باقیمانده در دمپ باطله، میزان پیریت باقیمانده در بین ذرات باطله پیش بینی شود. پس از پیداکردن روابط آماری با استفاده از روش برازش منحنی، رابطه رگرسیون چندمتغیره آماری با استفاده از روش گام به گام، پیشنهاد شد. در ادامه، ضرائب این رابطه با استفاده از روش الگوریتم رقابت استعماری و با هدف کم کردن خطای پیش بینی، اصلاح شدند. میزان ضریب تعیین بالای مدل فوق در اعتبارسنجی، 85/0، حاکی از نتایج مناسب در این تخمین دارد.

prediction of silver price applying a coupled multivariate linear regression mlr and imperialist competitive algorithm ica

this paper presents to predict pyrite remaining fraction using a coupled multivariate linear regression (mlr) and imperialist competitive algorithm (ica). for this purpose, the depth of the waste particles, diffused oxygen throughout the waste particles, bicarbonate concentration and initial pyrite remaining were considered as input data and, in return, the pyrite remaining fraction was chosen as the target parameter. after finding statistical relationships applying the curve fitting method, a multivariate linear regression suggested with the stepwise method. then, using the imperialist competitive algorithm, the optimal coefficients of the proposed statistical relationship were determined, which resulted in the improved results with a strong determination coefficient, 0.85.