OLTIN TARKIBLI RUDALARNI SORBSIYALASH JARAYONINI INTELLEKTUALLASHTIRISH: ZAMONAVIY YONDASHUVLAR VA KELAJAK ISTIQBOLLARI
Keywords:
oltin rudasi, sorbsiyalash, intellektual avtomatlashtirish, sun’iy neyron tarmoqlar, mashina o’rganish, jarayon optimallashtiruvi, sianidli ishqorlash, ko’mirda adsorpsiyaAbstract
Ushbu maqolada oltin tarkibli rudalarni sorbsiyalash jarayonlarini intellektual avtomatlashtirish sohasidagi so’nggi tadqiqotlar tahlil qilinadi. 79 ta xalqaro ilmiy manba asosida sun’iy intellekt, mashina o’rganish va optimallashtirish usullarining oltin qazib olish sanoatida qo’llanilishi o’rganilgan. Tahlil natijalari shuni ko’rsatadiki, sun’iy neyron tarmoqlar yordamida oltin ajratish jarayonini 94–98% aniqlik bilan prognoz qilish mumkin, shuningdek, mashina o’rganish usullari bilan optimallashtirilgan faollashtirilgan ko’mir adsorbenti 64 mg/g adsorbsion sig’imga ega bo’ladi. Maqolada an’anaviy sorbsiyalash jarayonlarining cheklovlari, zamonaviy intellektual usullar, optimallashtirish strategiyalari, amaliy tatbiqlar va kelajakdagi rivojlanish yo’nalishlari batafsil tahlil qilingan.
References
Li, J., Wang, H., & Zhang, Y. (2019). Hybrid LSTM and mechanistic modeling for dynamic prediction of gold adsorption processes. Minerals Engineering, 135, 45–54.
Abdukarimov, S., & Normurodov, T. (2020). Oltin rudalarini ishqorlash jarayonida intellektual boshqaruv tizimlarini tadqiq etish. O’zbekiston Konchilik va Metallurgiya Jurnali, 3(1), 25–33.
Chen, X., & Liu, S. (2021). Reinforcement learning in metallurgical process control: A review. Computers & Chemical Engineering, 147, 107211.
Mirzaev, A., & Sobirov, D. (2019). Sorbsiyalash jarayonida sun’iy neyron tarmoqlarning qo’llanilishi. Ilmiy va Texnik Tadqiqotlar, 2(5), 45–53.
Smith, R., & Johnson, P. (2018). Artificial neural networks for predicting gold recovery in Tiomochevina cyanidation. Hydrometallurgy, 179, 35–46.
Rustamov, N., & Akhmedov, K. (2021). Faollashtirilgan ko’mirni optimallashtirish: palma biomassasi misolida.O’zbekiston Kimyo Texnologiyasi, 7(1), 50–59.
Li, X., et al. (2022). Model-based reinforcement learning for optimal control of cyanide leaching processes. Computers & Chemical Engineering, 158, 107641.
Tursunov, B. (2021). Mashina o’rganish yordamida metallurgiya jarayonlarini optimallashtirish. O’zbekiston Kimyo va Texnologiya Jurnali, 6(2), 12–21.
Zhang, Q., et al. (2020). Machine learning-assisted optimization of activated carbon from palm biomass. Bioresource Technology, 314, 123756.
Yuldashev, A., & Karimov, S. (2020). Sanoat 4.0 va raqamli transformatsiya oltin qazib olish sanoatida. O’zbekiston Konchilik va Energetika Jurnali, 8(3), 65–74.
