Skip to content

Прогнозирование качества извлечение оксида железа из руды с помощью машинного обучения

Notifications You must be signed in to change notification settings

01zhas/Predicting-mining-quality

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Прогнозирование качества извлечение оксида железа из руды с помощью машинного обучения

Железные руды - это горные породы и минералы, из которых можно экономически выгодно извлечь металлическое железо. Руды обычно богаты оксидами железа и различаются по цвету от темно-серого, ярко-желтого или темно-фиолетового до ржаво-красного. Железо обычно находится в форме магнетита, гематита, гетита, лимонита или сидерита.

Руды, содержащие очень большое количество или магнетита (более 60% железа), известны как "природная руда" или "руда прямого отгрузки". Типичный магнетитовый железорудный концентрат содержит примеси кремнезема в количестве 3-7%.

Кремнезем является основной примесью в железной руде, и, прогнозируя содержание примесей в руде, мы можем помочь инженерам на заводе проводить необходимые расчеты на ранних стадиях производства.

Высокое содержание кремнезема может привести к большому объему шлака. Это, в свою очередь, приводит загрязнению окружающей среды. Следовательно, необходимо знать, сколько % кремнезема (примеси) содержится в рудном концентрате.

В этом практическом проекте мы построим и обучим модель для эффективного прогнозирования процента кремнезема в руде. Данные были полученный на Kaggle. В этом практическом проекте мы выполним следующие этапы:

  • Импорт библиотек/наборов данных
  • Подготовка данных
  • Выполняем визуализацию данных
  • Строим и оцениваем модель

About

Прогнозирование качества извлечение оксида железа из руды с помощью машинного обучения

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published