The Application of Mechanistic Mathematical and Connectionist Models in the Control of Biotechnological Processes in the Context of Refractory Gold-Arsenic Sulphide Ores Concentrates Oxidation
View/ Open:
URI (for links/citations):
https://elib.sfu-kras.ru/handle/2311/71721Author:
Bartsev, Sergey I.
Beliy, Alexander V.
Sarangova, Antonina B.
Барцев, С.И.
Белый, А.В.
Сарангова, А.Б.
Date:
2018-06Journal Name:
Журнал Сибирского федерального университета. Биология. Journal of Siberian Federal University. Biology; 2018 11 (2)Abstract:
Problems related to the control of complex biotechnological processes were considered on the example
of biooxidation of refractory gold-arsenic sulphide concentrates for the subsequent gold recovery. Two
possible approaches to the problem were considered: a) building “mechanistic” mathematical model
and b) applying neural network model. An attempt to construct a mixed mechanistic-phenomenological
model using various combinations of formulas given in literature and general description of
bioleaching processes has given not satisfactory result. The models were able to describe only the
general properties and trends of the process. Neural network analysis of time series of the bioleaching
process has revealed dependences between the process, control parameters, and feed composition.
Obtained 10% level of the forecast error (MAPE) is quite satisfactory if compare with the forecasts of
any natural ecosystem. It can be argued that the relatively low complexity of neural network indicates
the possibility of developing a fairly simple mechanistic model of the bioleaching process Проблемы, связанные с контролем сложных биотехнологических процессов, были рассмотрены
на примере биоокисления тугоплавких золото-мышьяковых сульфидных концентратов для
последующего извлечения золота. Проанализированы два возможных подхода к проблеме:
а) построение «механистической» математической модели и б) применение нейросетевой
модели. Попытка построить смешанную механистическо-феноменологическую модель с
использованием различных комбинаций формул, приведенных в литературе, и общего описания
процессов биовыщелачивания дала неудовлетворительный результат. Модели смогли
описать только общие свойства и тенденции процесса. Анализ временных рядов процесса
биовыщелачивания с помощью нейронной сети выявил зависимости между протеканием
процесса, параметрами управления и составом минерального субстрата. Полученный 10%-ный
уровень ошибки прогноза (MAPE) является вполне удовлетворительным, если сравнивать
его с прогнозами любой природной экосистемы. Можно утверждать, что относительно
низкая сложность нейронной сети указывает на возможность разработки довольно простой
механистической модели процесса биовыщелачивания