Geneettinen algoritmi rikastusprosessin mallin identifioinnissa
Korpela, Julia (2022-04-13)
Korpela, Julia
J. Korpela
13.04.2022
© 2022 Julia Korpela. Ellei toisin mainita, uudelleenkäyttö on sallittu Creative Commons Attribution 4.0 International (CC-BY 4.0) -lisenssillä (https://creativecommons.org/licenses/by/4.0/). Uudelleenkäyttö on sallittua edellyttäen, että lähde mainitaan asianmukaisesti ja mahdolliset muutokset merkitään. Sellaisten osien käyttö tai jäljentäminen, jotka eivät ole tekijän tai tekijöiden omaisuutta, saattaa edellyttää lupaa suoraan asianomaisilta oikeudenhaltijoilta.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202204131557
https://urn.fi/URN:NBN:fi:oulu-202204131557
Tiivistelmä
Työn tavoitteena on tutustua geneettisten algoritmien perustaan, geneettisten algoritmien yleisimpiin rakenteisiin ja yksikköoperaatioiden, kuten valinnan, risteytyksen ja mutaation, yleisimpiin mekanismeihin. Geneettinen algoritmi on optimointimenetelmä, jonka pohja on Darwinin evoluutioteoriassa sekä sen mekanismeissa. Geneettiset algoritmit hyödyntävät Darwinin evoluutioteoriasta tuttuja operaatioita kuten valintaa, risteytystä ja mutaatiota.
Työn tavoitteena on myös soveltaa geneettistä algoritmia rikastusprosessin mallintamiseen. Malli tehdään simulaattorilla tuotetun aineiston perusteella, ja mallin parametrien identifiointi tehdään geneettisellä algoritmilla. Mallintamisen kohteena on Oulu Mining Schoolin rikastamopilottilaitos, josta on muodostettu malli MetsoOutotecin HSC Sim -ohjelmistossa. Käytetty data on saatu simuloimalla rikastusprosessia tällä ohjelmistolla. Geneettisen algoritmin avulla pyritään mallintamaan saadun tuotteen kuparipitoisuutta. Mallinnuksen lisäksi työssä tutkitaan, miten mutaation ja risteytyksen todennäköisyyden muuttaminen vaikuttaa saadun mallin hyvyyteen.
Geneettisen algoritmin avulla saatiin muodostettua hyvä malli tuotteen kuparipitoisuudelle. Mutaation todennäköisyydellä oli merkittävä vaikutus siihen, onnistuiko mallin muodostaminen. Risteytyksen todennäköisyyden vaikutus ei ollut yhtä merkittävä.
Työn tavoitteena on myös soveltaa geneettistä algoritmia rikastusprosessin mallintamiseen. Malli tehdään simulaattorilla tuotetun aineiston perusteella, ja mallin parametrien identifiointi tehdään geneettisellä algoritmilla. Mallintamisen kohteena on Oulu Mining Schoolin rikastamopilottilaitos, josta on muodostettu malli MetsoOutotecin HSC Sim -ohjelmistossa. Käytetty data on saatu simuloimalla rikastusprosessia tällä ohjelmistolla. Geneettisen algoritmin avulla pyritään mallintamaan saadun tuotteen kuparipitoisuutta. Mallinnuksen lisäksi työssä tutkitaan, miten mutaation ja risteytyksen todennäköisyyden muuttaminen vaikuttaa saadun mallin hyvyyteen.
Geneettisen algoritmin avulla saatiin muodostettua hyvä malli tuotteen kuparipitoisuudelle. Mutaation todennäköisyydellä oli merkittävä vaikutus siihen, onnistuiko mallin muodostaminen. Risteytyksen todennäköisyyden vaikutus ei ollut yhtä merkittävä.
Kokoelmat
- Avoin saatavuus [31657]