能量曲线增强博客6：隔离不同商品的能量强度分布

2018年11月27日

Grant Ballantyne博士

能量曲线数据库包含了99个商品的169个矿山的COMINUTIOT RICTION数据。尽管在同一曲线上比较所有这些数据很有用，但矿山也可能希望将其针对同一商品中的矿山的绩效可视化。但是，数据已被秘密地提交，并以传统的能量曲线方法隔离商品可能会无意间使一些矿山明显可识别。因此，已经开发出一种方法来描述分布的形状和性质，而没有显示每个矿山的原始数据。通过这种方式，可以探索不同商品的浓度能量强度。

第一步是找到充分描述分布的数学函数。分离单个商品，并将威布尔，正常，β，伽玛和对数正态函数拟合到能量曲线分布中。发现对数正态分子可为分布提供最佳拟合，并具有最低的标准误差。图4显示了通过对数正态分布实现的近距离拟合的示例。

利用此方法，可以生成各个分布，以表示能量曲线数据库中的每个单个商品。然后可以将这些分布覆盖在整个传统粉碎能量曲线之一上。图5显示了其中六种商品的结果：铜，金，（铅，锌，银），铂和磁铁矿。从这些分布中可以明显看出，磁铁矿具有较高的结果范围，并且包括非常高的能量强度图。而铅，锌，银矿的消耗明显降低的能量强度可能是由于其能力持续降低。铜和黄金非常接近整体分布，这是由于大多数数据库都集中在这些商品上。

可以在标准套件中包含的每个能曲线上进行单个商品的隔离。相同的方法可用于隔离其他类别，例如电路类型，地理位置或矿山类型。这种比较将自己适合于具有能量曲线可视化的灵活应用。图6显示了可以在这种方法中使用的潜在可视化。球显示了特定矿山在完整能量曲线上的位置。该线被拉到孤立的铜曲线上。这个矿靠近42^nd完整的能量曲线上的百分位数，但高于50^Th孤立铜曲线的百分位数。尽管为铜提供了此示例，但对于其他商品，分布与标准能曲线截然不同的其他商品的差异更为明显。它允许地雷将苹果与苹果进行比较，但根据需要显示完整的数据库。