DE112013004743T5 - Multi-Sensoranalyse eines komplexen geologischen Materials - Google Patents

Multi-Sensoranalyse eines komplexen geologischen Materials Download PDF

Info

Publication number
DE112013004743T5
DE112013004743T5 DE112013004743.8T DE112013004743T DE112013004743T5 DE 112013004743 T5 DE112013004743 T5 DE 112013004743T5 DE 112013004743 T DE112013004743 T DE 112013004743T DE 112013004743 T5 DE112013004743 T5 DE 112013004743T5
Authority
DE
Germany
Prior art keywords
analytical
geological
data
pattern
unknown
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE112013004743.8T
Other languages
English (en)
Inventor
Daniel A. Shiley
Brian Curtiss
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Malvern Panalytical Inc
Original Assignee
Panalytical Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panalytical Inc filed Critical Panalytical Inc
Publication of DE112013004743T5 publication Critical patent/DE112013004743T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65Raman scattering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/71Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
    • G01N21/718Laser microanalysis, i.e. with formation of sample plasma
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V13/00Manufacturing, calibrating, cleaning, or repairing instruments or devices covered by groups G01V1/00 – G01V11/00
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1734Sequential different kinds of measurements; Combining two or more methods
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1734Sequential different kinds of measurements; Combining two or more methods
    • G01N2021/1736Sequential different kinds of measurements; Combining two or more methods with two or more light sources
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N2021/3595Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/127Calibration; base line adjustment; drift compensation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/129Using chemometrical methods
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/30Accessories, mechanical or electrical features
    • G01N2223/303Accessories, mechanical or electrical features calibrating, standardising
    • G01N2223/3037Accessories, mechanical or electrical features calibrating, standardising standards (constitution)
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/60Specific applications or type of materials
    • G01N2223/616Specific applications or type of materials earth materials

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Geology (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Manufacturing & Machinery (AREA)
  • Geophysics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

Es werden Anordnungen und Verfahren zum Analysieren eines unbekannten geologischen Musters offenbart. Die Anordnung kann wenigstens zwei analytische Unteranordnungen umfassen und jede von den wenigstens zwei analytischen Unteranordnungen stellt unterschiedliche Informationen über das geologische Muster bereit. Die Datensätze von unterschiedlichen analytischen Unteranordnungen werden zur weiteren Analyse kombiniert und die Anordnung umfasst ein chemometrisches Kalibrationsmodell, das geologische Attribute von analytischen Daten, die zuvor durch wenigstens zwei analytische Techniken erhalten wurden, in Verbindung setzt. Ein Prognosemotor wendet das chemometrische Kalibrationsmodell auf die kombinierten analytischen Informationen von dem geologischen Muster an, um spezifische geologische Attribute in dem unbekannten geologischen Muster zu prognostizieren.

Description

  • PRIORITÄTSANSPRUCH NACH 35 U.S.C. § 119
  • Die vorliegende Patentannmeldung nimmt die Priorität der Provisional Application No. 61/705760 mit dem Titel ”SYSTEMS AND METHODS FOR MULTIVARIATE CALIBRATION USING MULTI-SENSOR DATA” in Anspruch, die am 26. September 2012 eingereicht wurde, und die auf den Rechtsnachfolger hiervon übertragen wurde und die hierin explizit durch Bezugnahme aufgenommen worden ist.
  • GEBIET DER ERFINDUNG
  • Die folgende Erfindung betrifft das Verbessern der Qualität und Quantität von Informationen, die von geologischen Mustern erhalten werden können. Insbesondere, jedoch nicht hierauf beschränkt, betrifft die vorliegende Erfindung Anordnungen und Verfahren, die Multi-Sensor Datenströme nutzen, um verbesserte qualitative und quantitative Informationen über Erz-Eigenschaften zu erhalten, die eine effiziente Minenplanung und effiziente bergbaubezogene Tätigkeiten ermöglichen können.
  • HINTERGRUND DER ERFINDUNG
  • Die Bestimmung von Mineralien ist eine komplexe Aufgabe, die eine Messung der elementaren Zusammensetzung, Mineralogie, Lithologie, des Härtegrad und anderer chemischer und physischer Parameter umfassen kann. In dem Kontext von beispielsweise bergbaubezogenen Tätigkeiten, benötigen Bergbaufirmen Kenntnis der Erzeigenschaften sowohl zum Planen einer Mine als auch für bergbaubezogene Tätigkeiten. Die Erzmineralogie hat einen starken Einfluss auf Kosten und Effizienz der Metallextraktion. Erzmetallurgische Eigenschaften können auch das Verhalten des Erzes in Verfahrensschritten, wie beispielsweise beim Zerkleinern, Konzentrieren und Extrahieren beeinflussen.
  • In einem typischen Erz-Analysesystem wird ein einziger analytischer Datenstrom verwendet, um einen Parameter zu prognostizieren oder zu messen. Die Nah-Infrarot(NIR)-Spektroskopie ist eine Molekulartechnik und wurde für die qualitative und quantitative Bestimmung von mineralischen Inhalten und für bestimmte metallurgische Antwortparameter verwendet. Röntgenfluoreszenz wird typischerweise verwendet, um eine Messung von Elementarparametern zu erstellen. In ähnlicher Weise ist die Laser-Emissionsspektroskopie (laser-induced breakdown spectroscopy, LIBS) ein weiteres Verfahren, das eine Elementaranalyse bereitstellt. Die Raman-Spektroskopie, die Fourrier-Transformations-Infrarot (FT-IR) Spektroskopie und die NIR-Spektroskopie sind Malekulartechniken und werden für die qualitative Schätzung mancher Mineralarten eingesetzt. Obwohl NIR-, FT-IR- und Raman-Spektroskopie Techniken zur qualitativen Einschätzung von Mineralien genutzt worden sind, ist jede für einen unterschiedlichen Satz von Mineralien nützlich. Während jede bekannte analytische Technik geeignet sein kann, eine Teilmenge der benötigten Informationen bereitzustellen, kann in vielen Fällen die Genauigkeit und Präzision der einzelnen analytischen Technik weniger als optimal sein. Dementsprechend werden eine Anordnung und ein Verfahren benötigt, um die Fehlmengen der bekannten Technologie zu adressieren und die Qualität und Quantität der benötigten Informationen zum effizienten Planen von Minnen und bergbaubezogenen Tätigkeiten zu verbessern.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Aspekte der vorliegenden Erfindung umfassen ein Verfahren zum Analysieren eines unbekannten geologischen Musters. Das Verfahren umfasst die Schritte des Erhaltens eines unbekannten geologischen Musters und des Analysierens des unbekannten geologischen Musters mit wenigstens zwei analytischen Unteranordnungen, um zwei Sätze von analytischen Daten zu erhalten. Die zwei Sätze analytischer Daten werden dann zu einem einzigen Datensatz kombiniert und Attribute des unbekannten geologischen Musters werden dadurch identifiziert, dass ein chemometrisches Kalibrationsmodell auf die kombinierten Daten angewandt wird, um geologische Attribute des Musters zu prognostizieren.
  • Andere Aspekte umfassen eine Anordnung zum Analysieren eines unbekannten geologischen Musters. Die Anordnung umfasst wenigstens zwei analytische Unteranordnungen, die eine Nah-Infrarot-Analyse-Unteranordnung und wenigstens eine andere analytische Unteranordnung umfassen. Jede der wenigstens zwei analytischen Unteranordnungen stellt unterschiedliche kompositionelle Informationen über das geologische Muster bereit. Die Anordnung umfasst auch ein zuvor erzeugtes chemometrisches Kalibrationsmodell, das auf einer Datenbank basiert, die Aufzeichnungen mit kombinierten Daten von einer Vielzahl analytischer Anordnungen umfasst, die geologische Attribute mit diesen analytischen Daten beschreiben. Ein Prognosemtor (prediction engine) verwendet das chemometrische Modell, das auf den Aufzeichnungen in der chemometrischen Datenbank basiert, um die Zusammensetzung der geologischen Attribute vorherzusagen.
  • Wieder weitere Aspekte umfassen ein nicht flüchtiges, greifbares prozessor-lesbares Speichermedium, das mit prozessorlesbaren Instruktionen kodiert ist, um ein Verfahren zum Analysieren eines unbekannten geologischen Musters durchzuführen. Das Verfahren umfasst das Erhalten eines unbekannten geologischen Musters und das Analysieren des unbekannten geologischen Musters mit wenigstens zwei analytischen Unteranordnungen, um zwei Sätze von analytischen Daten zu erhalten. Die zwei Sätze analytischer Daten werden in einen kombinierten Datensatz zusammengefasst und Attribute des unbekannten Musters werden dadurch identifiziert, dass ein chemometrisches Kalibrationsmodell auf die kombinierten Daten angewandt wird, um geologische Attribute des Musters zu prognostizieren.
  • Beispielhafte Ausführungsform der vorliegenden Erfindung, die präsentiert werden, sind nachfolgend zusammengefasst. Diese und andere Ausführungsformen werden in dem Abschnitt der detaillierten Beschreibung detaillierter beschrieben. Es muss jedoch davon ausgegangen werden, dass nicht beabsichtigt ist, die Erfindung auf die in der Zusammenfassung der Erfindung oder in der detaillierten Beschreibung beschriebenen Form zu beschränken. Der Fachmann kann erkennen, dass vielzahlige Modifikationen, äquivalente und alternative Ausgestaltungen vorhanden sind, die unter den Grundgedanken und den Umfang der Erfindung fallen, wie sie in den Ansprüchen beschrieben ist.
  • KURZE BESCHREIBUNG DER FIGUREN
  • Verschiedene Aufgaben und Vorteile und ein vollständiges Verständnis der vorliegenden Erfindung ergeben sich und sind durch Bezugnahme auf die nachfolgende detaillierte Beschreibung und die angefügten Ansprüche ersichtlicher, wenn diese in Verbindung mit den beigefügten Zeichnungen gesehen werden, wobei:
  • 1 ein Diagramm ist, das eine beispielhafte Anordnung zum Erzeugen eines chemometrischen Kalibrationsmodells zeigt;
  • 2 ein Diagramm ist, das eine exemplarische Anordnung zum Pognostizieren von Attributen eines unbekannten Musters darstellt, die das chemometrische Kalibrationsmodell, das in 1 erzeugt wurde, nutzt;
  • 3 ein Flussdiagramm ist, das ein Verfahren zeigt, das in Verbindung mit der Ausführungsform, die in 2 gezeigt ist, durchlaufen werden kann;
  • 4 ein Diagramm ist, das eine weitere Ausführungsform zeigt, in der zwei oder mehr analytische Technologien in einer einzigen Einheit integriert sind;
  • 5 eine Zusammenfassung der unterschiedlichen Parameter des Kalibrationsmodells darstellt, die für unterschiedliche Mineralien und eine einzige metallurgische Eigenschaft unter Verwendung von ausschließlich NIR-Spektren, von ausschließlich ICP-AIS-Daten und unter Verwendung von NIR-Spektren in Kombination mit ICP-AIS-Daten erzeugt wurden; und
  • 6 ein Blockdiagramm ist, das physikalische Komponenten darstellt, die im Zusammenhang mit dem Verwirklichen von Komponenten, wie sie hierin offenbart sind, verwendet werden kann.
  • DETAILLIERTE BESCHREIBUNG
  • Mehrere Ausführungsformen, die hierin offenbart sind, stellen ein Verfahren zum Adressieren des Bedarfs zum Erhalten von verbesserten Informationen über geologische Eigenschaften bereit, indem Datenströme und/oder Ergebnisse von vielzähligen Sensoren kombiniert werden, wie beispielsweise Röntgenbeugung (X-ray diffraction, XRD), Röntgenfluoreszenz (X-ray fluorescence, XRF), Raman-Spektroskopie, Fourrier-Transformations-Infrarot-Spektrometrie (FT-IR), Laser-Emissionsspektroskopie (LIBS), quantitative Evaluation von Mineralien durch Rasterelektronenmikroskopie (quantitative evaluation of minerals by scanning electrone microscopy, QEMSCAN), Chemie des gesamten Gesteins (whole rock chemistry) und Nah-Infrarot (NIR) in einem einzigen multivariablen Kalibrationsmodell. Beispielsweise werden NIR, FT-IR und Raman verwendet, um Mineralien zu analysieren, jedoch ist jedes Verfahren für eine andere Liste von Mineralarten am besten geeignet. Somit ist die Kombination der NIR-, FT-IR- und Raman-Sensoren zusammen nützlich, um bessere qualitative und quantitative Ergebnisse zu erzielen.
  • Wie vorstehend diskutiert, arbeitet NIR gut mit einem weiten Bereich von Verfahren zur Musteraufbereitung. Somit sind NIR-Spektren, die von einem NIR-Spektrometer erhalten werden, mit Daten von ”whole rock”-Mineralanalysen kombiniert (die im wesentlichen Elementaranalyse Daten darstellen, die ähnlich zu denen sind, die von XRF-Instrumenten erzeugt werden) oder anderen Formen von Elementaranalysen in eine einzige Datenmatrix für eine verbesserte chemometrische Datenanalyse und Entwicklung der Kalibration.
  • In dem NIR-Bereich können viele wichtige Mineralien, die mit den geologischen Bedingungen in Verbindung stehen, die indikativ für Mineralisation (Ablagerung von Metall) sind, ermittelt werden. Somit haben NIR-analytische Techniken im Allgemeinen einen hohen Anwendungsbereich in Verbindung mit dem Messen von Umwandlungsmineralien. Diese Minerale resultieren aus einer Veränderung des Muttergesteins und sind oftmals Pfadfinder für Mineralisation (Präsenz von wertvollen Metallen). Während der NIR-Bereich sensitiv für die meisten Umwandlungsminerale ist, fehlt es an Sensitivität für viele gesteinsformende Minerale und Sulfidminerale. Die Kenntnis über die elementare Zusammensetzung kann bei der Identifikation dieser Minerale unterstützen, jedoch ist NIR eine Molekulartechnik. Daraus resultiert oftmals die Notwendigkeit, eine zusätzliche Technik anzuwenden, um die elementare Zusammensetzung des Minerals zu messen, wie beispielsweise mittels induktiv gekoppelter plasma-optischer Emissionsspektroskopie (ICP-OES) Analyse, induktiv gekoppelter Plasma-Atom-Emissionsspektroskopie (ICP-AES), induktiv gekoppelter Plasma-Massenspektrometrie (ICP-MS), Röntgenfluoreszenzspektroskopie (XRF) oder über verschiedene chemische Analysen. Darüber hinaus ist der NIR-Bereich nicht ideal für die Messung vieler gesteinsbildender Mineralien, so dass der Zusatz von entweder einer Raman-Spektroskopie oder einer Fourrier-Transformations-Infrarot Spektrometrie (FT-IR) oftmals separat angewandt wird. Zusätzliche chemische oder physikalische Tests können ebenfalls angewandt werden, um eine Messung der metallurgischen Prozessparameter des Materials bereitzustellen.
  • FT-IR-analytische Techniken haben üblicherweise eine Anwendung zur Messung von gesteinsbildenden Mineralien und eine geringere Nützlichkeit für Umwandlungsminerale. FT-IR wird nicht für die Bestimmung der Elemente angewandt. Die Raman-Analyse ist sinnvoll für Sulfide, kristalline Materialien und manche gesteinsformende Materialien, jedoch wird sie nicht zur Bestimmung von Elementen angewandt. Eine Raman-analytische Anordnung nutzt einen Laserstrahl verschiedener Wellenlängen, um die Atome eines Musters anzuregen, durch die diese dazu veranlasst werden, sich in unterschiedliche Schwingungszustände zu bewegen. Manche dieser Schwingungszustände veranlassen einen Teil der Anregungsillumination dazu, einen Energiewechsel zu vollziehen. Raman misst die Verschiebung des Energiezustands und Materialien haben oftmals einen einzigartigen Fingerabdruck für den Raman-Shift.
  • Die XRF-Analyse ist sinnvoll für die Bestimmung der Elementarzusammensetzung und für die Bestimmung des Metallgehalts. XRF wird überwiegend als Schnellverfahren für eine Elementaranalyse angewandt und XRF-Anordnungen verwenden Röntgenstrahlen, um die Zusammensetzung zu ermitteln. Alle Formen von ICP werden für die Bestimmung der Elementarzusammensetzung genutzt. Im Bergbau wird ICP überwiegend zur Bestimmung des Metallgehalts angewendet.
  • NIR, FT-IR, Raman und XRF verwenden allesamt elektromagnetische Strahlung zum Betrieb. NIR arbeitet im Bereich von 350 bis 2500 nm, der FT-IR-Bereich umfasst längere Wellenlänge, während XRF-Instrumente in dem kürzerwelligen Bereich der Röntgenstrahlen arbeiten. Wie Fachleute anerkennen, gibt es eine große Überlappung zwischen FT-IR-, NIR- und Raman-Verfahren. Typischerweise wird nur eines dieser Verfahren im Bergbau verwendet, überwiegend basierend darauf, welche Technik am besten für dasjenige Mineral geeignet ist, das von größtem Interesse ist.
  • Unter Bezugnahme auf die Figuren, bei denen ähnliche oder gleiche Elemente mit identischen Bezugszeichen in den unterschiedlichen Ansichten angegeben sind, und unter Bezugnahme insbesondere auf 1, ist eine Ausführungsform einer Anordnung zum Erzeugen eines chemometrischen Kalibrationsmodells gezeigt. Wie gezeigt, werden in dieser Ausführungsform N Datenerfassungen 102 von N unterschiedlichen analytischen Techniken jeweils mit chemischen oder physikalischen Bezugsdaten in eine disparate Kalibrationsdatenbank (disparate calibration database) 104 hinein kombiniert. Diese disparate Kalibrationsdatenbank 104 wird als ”disparat” bezeichnet, da sie, obwohl die Kalibrationsdaten von den unterschiedlichen analytischen Techniken zugänglich sind, bei dieser Stufe noch immer separat sind und noch nicht, wie nachfolgend erläutert, vereinheitlicht worden sind.
  • Wie gezeigt, können die N Datenerhebungen NIR-Spektren, XRF-Spektren, Raman-Spektren, FT-IR-Spektren, ICP-Daten von korrespondierenden analytischen Techniken und potenzielle andere Daten von anderen analytischen Techniken umfassen, die vorstehend und nachfolgend diskutiert werden. Die chemischen oder physikalischen Referenzdaten 103 in dieser Ausführungsform sind Daten, die ein bekanntes Attribut eines geologischen Musters darstellen, das der Natur nach eine Molekulareigenschaft oder Molekularstruktur ist. Beispielsweise können ein spezifischer Mineralgehalt, ein Elementgehalt und/oder metallurgische Eigenschaften für ein Muster in den chemischen oder physikalischen Referenzdaten 103 sitzen. Auf diese Weise wird ein bekanntes Attribut (beispielsweise die Molekularstruktur) mit der korrespondierenden Signatur des Attributs in Verbindung gebracht werden, das von der korrespondierenden analytischen Technik ermittelt wird.
  • Die disparate Kalibrationsdatenbasis 104 kann in Datensätzen organisiert sein und jeder Datensatz kann das bekannte Attribut und die korrespondierende Signatur, die von der korrespondierenden analytischen Technik erzeugt wird, umfassen. Wenn die disparate Kalibrationsdatenbank 104 assembliert wird, umfasst sie jedoch eine große Sammlung von unterschiedlichen Datensätzen (die durch analytische Techniken getrennt sind), so dass die disparate Kalibrationsdatenbank 104 nützlich ist, wenn analytische Techniken separat angewandt werden, jedoch schwerfällig ist, redundante Daten umfasst und nicht zugänglich zur Verwendung ist, wenn zwei oder mehr analytische Techniken (beispielsweise NIR und XRF) simultan verwendet werden, um ein Muster zu analysieren.
  • Somit repräsentiert die disparate Kalibrationsdatenbank 104 eine Sammlung von typischen Kalibrationsdaten, die verwendet werden mit dem typischen und üblichen Verfahren zur Materialienbestimmung, welches das separate Sammeln und Analysieren von Daten unter Verwendung einer Vielzahl von Instrumenten und chemischen Verfahren umfasst. Mit anderen Worten werden Daten von jeder individuellen analytischen Technik in der disparaten Kalibrationsdatenbank 104 gespeichert, ohne Rücksicht auf die anderen Daten (abgeleitete Kompositions- oder andere Materialeigenschaftswerte) von den anderen analytischen Techniken.
  • Es sollte bedacht werden, dass die gezeigte disparate Kalibrationsdatenbank 104 schlicht die Zugänglichkeit von Kalibrationsdaten von den N analystischen Techniken repräsentiert, und sie kann durch eine verteilte Sammlung von Datenspeichern umgesetzt sein, die gemeinsam oder nicht gemeinsam untergebracht sein können. So ist beispielsweise in Erwägung gezogen, dass NIR-Kalibrationsdaten für eine spezifische geologische Eigenschaft in einem ersten Ort gespeichert werden können und XRF-Kalibrationsdaten für die gleiche geologische Eigenschaft an einer zweiten Stelle gespeichert sein können, die NIR- und die XRF-Kalibrationsdaten jedoch durch eine Kabelverbindung und/oder kabellose Netzwerke zugänglich sind und dem chemometrischen Modellgenerator 106 zur Verarbeitung bereitgestellt werden.
  • Im Allgemeinen funktioniert der chemometrische Modellgenerator 106 dazu, separate Sätze von Kalibrationsdaten von der disparaten Kalibrationsdatenbank 104 (die zwei oder mehr der separaten analytischen Techniken entsprechen) zu kombinieren, um eine umfassendere, jedoch einfachere Bestimmung von geologischen Attributen eines Musters zu erzeugen.
  • Obwohl jede erdenkliche Untersuchung ein Material nicht ideal identifizieren kann, kann ein Teil des Rohsignals oder des interpretierten Ergebnisses nützlich sein, um andere Eigenschaften des Materials zu ermitteln. Somit kann das Material in einem höheren Maße dann, wenn dieses in einem multivariaten Modell mit anderen zugänglichen Daten kombiniert wird, in einem höheren Maße bestimmt werden als dies mit jeder individuellen Datenquelle möglich ist. Die Kombination aller relevanten Daten (von zwei oder mehr der analytischen Techniken) in dem chemometrischen Kalibrationsmodell 108 ermöglicht eine bessere übergreifende Bestimmung eines geologischen Musters als mit einer einzigen Informationsquelle. Darüber hinaus ist das chemometrische Kalibrationsmodell 108 eine leicht umzusetzende Form, die einfach für die Implementierung in bergbaubezogenen Tätigkeiten anpassbar ist, wo eine schnelle Analyse des geologischen Materials gewünscht wird.
  • In manchen Ausführungsformen wird der Output (der abgeleitete Kompositionswert oder andere Materialeigenschaftswerte) von jeder Nicht-NIR-Datenquelle zu der übergeordneten Datenbank zusammen mit den NIR-Spektren hinzugefügt. Beispielsweise erzeugt XRF ein Spektrum, das von der XRF genutzt wird, um die elementare Zusammensetzung eines Musters zu bestimmen. In diesen Ausführungsformen werden die Elementarwerte mit den NIR-Spektraldaten in die Datenbank hinein kombiniert, um ein multivariates Kalibrationsmodell zu erzeugen, das in dem chemometrischen Kalibrationsmodell 108 verwendet wird. In anderen Ausführungsformen werden die rohen Nicht-NIR-Daten (das XRF-Spektrum, Raman-Spektrum, IR-Spektrum, etc.) (eher als abgeleitete Kompositionswerte oder andere Materialeigenschaftswerte) mit dem NIR-Spektrum kombiniert, um ein multivariates Kalibrationsmodell zu schaffen, das in dem chemometrischen Kalibrationsmodell 108 verwendet wird.
  • In vielen Fällen führt das resultierende vereinfachte Modell, das von den zwei Quellen (beispielsweise einer NIR-Quelle und einer ICP-Quelle) stammt, zu einer Bestimmung, die umfassender ein geologisches Attribut bestimmt als die Summe der zwei separaten Kalibrationssätze für die Quellen.
  • In manchen Implementierungen wird der chemometrische Modellgenerator 106 durch prozessorbasierte Hardware umgesetzt, die nicht-flüchtige, prozessorausführbare Instruktionen ausführt, um zwei oder mehr Sätze von Kalibrationsdaten in ein vereinheitlichtes Kalibrationsmodell zu kombinieren, das der Anwendung zugänglicher ist (beispielsweise um die Komponentenstruktur eines Musters und/oder Komponenten zu prognostizieren). In manchen Varianten verwendet der chemometrische Modellgenerator 106 beispielsweise die Hauptbestandteilsanalyse (principle component analysis, PCA), um zu einem Modell mit einer Anzahl von Hauptbestandteilen zu gelangen, die geringer ist als die Anzahl von Variablen in den Quelldaten von der disparaten Kalibrationsdatenbank 104, jedoch ist vorgesehen, dass andere Ansätze, wie beispielsweise der Partial Least Squares(PLS)-Ansatz genutzt werden.
  • Unter Bezugnahme auf 2 ist eine Anordnung zum Identifizieren von Attributen eines geologischen Musters 204 gezeigt. Während auf die 2 Bezug genommen wird, wird zugleich auch auf 3 verwiesen, die ein Flussdiagramm ist, das ein Verfahren zeigt, das in Verbindung mit der Ausführungsform, die in 2 gezeigt ist (zusätzlich zu anderen Ausführungsformen, die hierin beschrieben sind), durchgeführt werden kann. Wie gezeigt, umfasst die Anordnung 200 eine Analysekomponente 202 zum Analysieren eines geologischen Musters (beispielsweise Erz), wobei zwei oder mehr von N analytischen Technologien (auch als analytische Unteranordnungen bezeichnet), wie beispielsweise NIR, XRF, Raman, FT-IR, ICP und potenzielle andere Technologien verwendet werden. Obwohl viele analytische Techniken verwendet werden können, wie vorstehend hierin diskutiert, werden in vielen Ausführungsformen nur zwei analytische Technologien angewandt.
  • Im Betrieb wird zuerst ein unbekanntes geologisches Muster zur Analyse erhalten (Block 300). Beispielsweise kann das Muster ein Erzmuster sein, das während der Entwicklung einer neuen Bergmine oder während der andauernden Extraktion von Material aus einer bestehenden Bergmine erhalten wird. In manchen Minen sind beispielsweise die Ablagerungen räumlich voneinander verschieden und eine fortwährende Analyse ist wichtig zum Sortieren des Erzes oder zur Verbesserung der Erzverarbeitung. Wie dargestellt, wird das unbekannte Muster mit wenigstens zwei der N analytischen Technologien analysiert (Block 302) und jede der wenigstens zwei analytischen Technologien erzeugt einen korrespondierenden Datenstrom, der wenigstens zwei Datenströme 206, wenn das Muster analysiert wird.
  • Die Daten von diesen Strömen 206 werden dann in einer Datensammelkomponente 208 gesammelt, bevor sie verarbeitet werden (Block 304). In manchen Implementierungen werden die Daten von jeder analytischen Technologie erzeugt und zu der Datensammelkomponente 208 im Wesentlichen simultan gesendet. Jedoch in anderen Implementierungen analysieren die Analysetechnologien das Muster nicht zur gleichen Zeit und die Datensammelkomponente 208 wartet, bis sie die Daten von jeder Analysetechnologie erhalten hat, ehe sie diese kombiniert und die Daten zu der gemeinsamen Datenbank entlässt.
  • Wie gezeigt, ist ein Prognosemotor 212 mit der kombinierten Datenbank 210 und dem chemometrischen Kalibrationsmodell 108 (das, wie unter Bezugnahme auf 1 beschrieben, erzeugt ist) gekoppelt, und der Prognosemotor 212 arbeitet im Wesentlichen, um eine Identifikation der Attribute des Musters 204 bereitzustellen, indem das chemometrische Kalibrationsmodell 108 auf die gesammelten und kombinierten Daten angewandt wird (Block 306). Typischerweise umfasst das Kalibrationsmodell einen Satz von Vektoren, die in Anwendung mit den korrespondierenden Datenvektoren multipliziert werden, um bei einem prognostizierten Ergebnis anzukommen.
  • Dazu soll erwähnt sein, dass die analytischen Unteranordnungen dieselben Arten von Anordnungen sind, die verwendet wurden, um das chemometrische Kalibrationsmodell zu erzeugen. Wenn beispielsweise die analytischen Unteranordnungen NIR und XRF Anordnungsarten sind, dann müssen die analytischen Anordnungen, die verwendet werden, um das chemometrsiche Kalibrationsmodell zu erzeugen, auch NIR und XRF Anordnungen sein. Ein Fachmann erkennt, dass dann, wenn die analytischen Unteranordnungen von einem anderen Hersteller erstellt wurden als die analytischen Anordnungen, die verwendet werden, um das chemometrische Kalibrationsmodell zu erzeugen, Produkte verfügbar sind, um die Daten, die von den analytischen Unteranordnungen erzeugt wurden, zu konvertieren, so dass das chemometrische Kalibratonsmodell auf die kombinierten Daten, die von den analytischen Subsystemen erzeugt wurden, angewendet werden kann.
  • In manchen Varianten der Ausführungsform, die in 2 gezeigt ist, werden die analytischen Technologien durch vollständig separate Maschinen umgesetzt, die von separaten Einheiten hergestellt sein können. In diesen Ausführungsformen kann die Datensammelkomponente 208 Hardware oder Hardware in Verbindung mit Software zusätzlich zu Verbindungsleitungen umfassen, die für Fachleute bekannt sind, um mit den unterschiedlichen Protokollen zu kommunizieren, die von den unterschiedlichen Maschinen verwendet werden. Zusätzlich werden Daten von den unterschiedlichen Datenformaten extrahiert und die Daten können zu unterschiedlichen Maßeinheiten konvertiert werden. Ein Fachmann erkennt auch, dass die unterschiedlichen in 2 gezeigten Konstrukte durch Kabelleitungen oder kabellose Technologien miteinander verbunden sein können und gemeinsam untergebracht oder auf verschiedene Standorte verteilt sein können.
  • Unter Bezugnahme auf 4 ist eine weitere Ausführungsform gezeigt, in der zwei oder mehr analytische Unteranordnungen in eine einzige Analyseeinheit 400 integriert sind. Es sind eine NIR-Unteranordnung und eine ergänzende Unteranordnung 404 gezeigt, die mit der Datensammelkomponente 208 gekoppelt sind, die, wie unter Bezugnahme auf 2 und 3 beschrieben, arbeitet, um Daten zu sammeln und zu kombinieren, die dann in der kombinierten Datenbank 210 zur Analyse durch die Prognosekomponente 210 gespeichert werden, wie vorstehend unter Bezugnahme auf die 2 und 3 beschrieben. Wie dargestellt, umfasst die Analyseeinheit 400 in dieser Ausführungsform eine Komponente zur Netzwerkverbindung 420, um zu ermöglichen, dass die Analyseeinheit 400 chemometrische Kalibrationsdaten über ein Netzwerk 422 erhält, um zu ermöglichen, dass das lokale chemometrische Kalibrationsmodell 408 auf den neuesten Stand gebracht wird.
  • Obwohl die Analyseeinheit 400, die in 4 gezeigt ist, nur zwei analytische Unteranordnungen umfasst, verwenden andere Ausführungsformen mehr als zwei analytische Unteranordnungen. Die gezeigte Verwendung einer NIR-Unteranordnung 402 (in Verbindung mit wenigstens einer anderen Art einer analytischen Unteranordnung) ist jedoch eine Implementierung, die einen vielfältigen Nutzen hat. Genauer gesagt, arbeitet NIR gut mit einem weiten Bereich von Mustervorbereitungsansätzen und die Konsequenz hiervon ist es ein attraktives Verfahren, um mit anderen Techniken kombiniert zu werden. Insbesondere ist die NIR-Unteranordnung 402 geeignet, unregelmäßige Oberflächen genauso einfach zu prüfen wie ein sorgfältig vorbereitetes Muster, NIR ist nicht zerstörend und die NIR-Analyse erfordert nur wenig oder keine Vorbereitung des Musters. NIR kann auch verwendet werden, um mehrere Bestandteile in einem einzigen Scan zu analysieren. Kombiniert mit einer anderen Art einer analytischen Unteranordnung ist die NIR-Analyse ein besonders wirkungsvolles Werkzeug für eine Vielzahl von Anwendungen.
  • Unter Bezugnahme auf 5 ist eine Tabelle gezeigt, die eine Zusammenfassung von Ergebnissen einer exemplarischen Implementierung zeigt, in der zwei analytische Techniken – NIR-Spektroskopie und Atom-Emissionsspektroskopie mit induktiv gekoppeltem Plasma (ICP-AES) – verwendet werden, um vier Mineralien und eine metallurgische Eigenschaft (beispielsweise den Verbrauch von Mineralsäure) zu analysieren. Wie gezeigt, wurden die vier Mineralien und die eine metallurgische Eigenschaft (beispielsweise der Verbrauch von Mineralsäure) modelliert unter Verwendung einer Kombination von NIR-Spektren und ICP-AES-Daten, bzw. unter Verwendung von ICP-AES-Daten allein, bzw. unter Verwendung von NIR-Spektren allein.
  • Spektraldaten von einem (ASD) NIR LabSpec 5000 Spectrometer von Analytical Spectral Devices, Inc. mit einer Wellenlänge im Bereich von 350 bis 2500 nm wurden mit Daten der Analyse der ganzen Felswand der Atom-Emissionsspektroskopie mit induktiv gekoppeltem Plasma (ICP-AES) kombiniert. ICP-AES bringt Elementardaten hervor, die ähnlich den Daten sind, die von XRF-instrumenten erzeugt werden. Bei üblichen bergbaubezogenen Tätigkeiten verursacht der Verzug zwischen dem Sammeln des Musters und der Bestimmung der traditionellen ICP-AES-Daten Produktivitätseinbußen. Ein Nachteil des Ansatzes besteht darin, dass er keine Echtzeit Prozessoptimierung der Metallextraktionsparameter ermöglicht. Somit kann die Einbindung von mehreren nicht-zerstörenden Techniken auch eine Erzanalyse und Techniken zur Bergbauverbesserung ermöglichen, die zuvor nicht erreichbar waren.
  • Die Spalte, die mit ”PC” bezeichnet ist, umfasst die Anzahl von Hauptbestandteilen (principle components, PC), die in den Modellen, die entwickelt wurden, verwendet wurden. Die PCs sind simplifizierte Vektoren, die durch unterschiedliche chemometrische Werkzeuge erzeugt werden, um eine Datenmatrix zu beschreiben. Ein komplexer Datensatz, der nicht gut durch die Daten beschrieben ist, kann eine höhere Anzahl von PCs benötigen, während der gleiche Datensatz, der besser beschrieben ist, eine geringere Anzahl von PCs benötigen wird. Idealerweise sollten die Modelle die geringstmögliche Anzahl von Hauptbestandteilen umfassen, während sie den geringstmöglichen Fehler erzeugen.
  • Die Anzahl von PCs sollte so gering wie möglich sein und ein Modell mit weniger PCs weist auf eine einfachere Lösung hin. Weniger PCs sind bevorzugt, da dann, wenn PCs hinzugefügt werden, um eine Datenmatrix zu beschreiben, die Menge an störendem Rauschen (amount of noise) in den PCs dazu neigt, anzusteigen. Modelle, die unter Verwendung einer größeren Anzahl von Faktoren erzeugt werden, sind anfälliger für Rauschen in den Daten, und Rauschen in den Daten kann Prognosefehler von den Modellen erzeugen. Wenn das Modell jedoch auf einer vergleichsweise geringen Anzahl von Faktoren basiert, sind die Modelle im Wesentlichen robuster und weniger anfällig für Prognosefehler in Reaktion auf Rauschen in den Daten.
  • Ein Fehler des Kalibrationssatzes wird als Standardfehler der Cross-Validierung (standard error of cross-validation, SECV) angegeben, der einer Schätzung des Prognosefehlers entspricht, die auf neue Muster treffen würde. Es ist nicht eine Messung des tatsächlichen Fehlers, da die Muster in dem Kalibrationssatz verwendet wurden, jedoch iterativ entfernt wurden und prognostiziert wurden unter Verwendung einer Kalibrierung, die alle verbleibenden Kalibrationssatzmuster umfasst. Das Muster wird dann in den Kalibrationssatz zurückaddiert und das nächste Muster wird entfernt, und es wird ein Fehler basierend auf dem weggelassenen Muster berechnet. Schließlich wird der Fehler über alle Muster gemittelt, um den SECV-Wert zu erstellen. Dies ist eine automatisierte Funktion aller chemometrischen Programme, die in Verbindung mit den Ausführungsformen, die hierin offenbart sind, verwendet werden können. Ein echter Fehler, wie er über den Standardprognosefehler (standard error of prediction) gemessen werden kann, wird unter Verwendung eines Satzes von Mustern berechnet, die nicht in dem Kalibrationssatz enthalten sind. Dies ist die Quadratwurzel der quadrierten Differenzen dividiert durch die Anzahl von Mustern in dem Testsatz. Dieser wahre Fehler wird oft verwendet, um zu bestimmen, ob die Kalibrierung in der Weise funktionieren wird, wie der SECV-Wert angibt, dass sie sollte. Wie in 5 gezeigt, wurde die Anzahl von Hauptbestandteilen in vielen Fällen vorteilhaft reduziert, während die kombinierte Verwendung von zwei analytischen Techniken (NIR und ICP) eine umfassendere Analyse des geologischen Musters bereitstellte.
  • Es sei angemerkt, dass Quarz und Pyrit beide eine sehr geringe oder keine (NIR) Spektralsignatur haben und somit ihre Kalibrationsmodelle, die nur mittels NIR-Spektren erzeugt wurden, schlecht waren. Die Hinzunahme der zusätzlichen ICT-AES-Daten erlaubt das Erzeugen von signifikant verbesserten Modellen für diese Mineralien. Zu beachten ist der höhere Wert des Koeffizienten der Bestimmung bei der Kalibrierung (R2 – dargestellt durch RSQ), der geringere Wert des Standardfehlers in Cross-Validierung (SECV) und der geringere Wert des Standardprognosefehlers (SEP). Zusätzlich konnte das Kalibrationsmodell, das für Muskovit (eines der Schlüssel-Umwandlungsminerale) in dem Fall der NIR-Spektren alleine erhalten wurde (RSQ-Wert von 0,73 und ein SECV-Wert von 7,85) durch die Verwendung von NIR-Spektren zusammen mit ICP-Daten (RSQ-Wert von 0,95 und ein SECV-Wert von 3,34) dramatisch verbessert werden, wie in 5 zu sehen ist.
  • Mineralmodelle und metallurgische Modelle für den Bergbau können gleichsam signifikant durch die Kombination von NIR-Daten mit XRF-Daten, Raman-Spektren oder (Fourrier-Transformations-Infrarot) FT-IIR-Spektren verbessert werden. Alle diese Techniken erzeugen unterschiedliche Datenströme, die mit NIR-Spektren (oder Daten) kombiniert werden können, so dass jede einen Zusatz zu den NIR-Spektren darstellt. Obwohl NIR-, Raman-, XRF- und FT-IR-Anordnungen üblicherweise als voneinander separate Anordnungen in bergbaubezogenen Anwendungen verwendet werden, ist die Kombination von Daten von diesen Anordnungen (wie sie von den unterschiedlichen Ausführungsformen, die hierin offenbart sind, durchgeführt werden) in ein einziges Prognosemodell für bergbaubezogene Anwendungen neu. Zusätzlich sind auch Kombinationen dieser Techniken in einem einzigen Messinstrument neu.
  • Aspekte der Anordnungen und Verfahren, die hierin beschrieben sind, können in Verbindung mit einer Computeranordnung zusätzlich zu spezifischen physischen Vorrichtungen, die hierin beschrieben sind, implementiert werden. 6 zeigt eine schematische Darstellung einer Ausführungsform einer Computeranordnung, in der ein Satz nicht-flüchtiger, prozessorausführbarer Instruktionen ausgeführt werden kann, um eine Vorrichtung dazu zu veranlassen, einen oder mehrere der Aspekte und/oder Methodologien der vorstehenden Offenbarung durch- oder auszuführen. So kann beispielsweise der chemometrische Modellgenerator 106, der unter Bezugnahme auf 1 beschrieben ist, teilweise durch eine Rechenvorrichtung umgesetzt sein, wie dies in 6 dargestellt ist. Zusätzlich kann der Prognosemotor 210, wie er unter Bezugnahme auf 2 beschrieben ist (zumindest teilweise) durch Komponenten umgesetzt sein, wie sie in 6 dargestellt sind, und das Verfahren, das unter Bezugnahme auf 3 beschrieben ist, kann (zumindest teilweise) durch nichtflüchtige, prozessorausführbare Instruktionen bewirkt werden, die von einer Anordnung in der Weise ausgeführt werden, wie dies in 6 gezeigt ist. Die Komponenten in 6 sind nur Beispiele und grenzen nicht den Umfang der Verwendung oder der Funktionalität irgendeiner Hardware, einer Hardware, die mit Software kombiniert ist, von Firmware, von eingebetteten Rechenkomponenten (logic component) oder einer Kombination von zwei oder mehr solcher Komponenten ein, die insbesondere Ausführungsformen dieser Offenbarung implementieren. Manche oder alle der dargestellten Komponenten können Teil der Computeranordnung 600 sein. Beispielsweise kann die Computeranordnung 600 als ein Universalcomputer (beispielsweise ein Laptop-Computer) als eine mobile Vorrichtung (beispielsweise ein Tablet oder Smartphone) oder als eine eingebettete Rechenvorrichtung (beispielsweise ein FPGA) implementiert sein, um nur zwei nicht beschränkende Beispiele zu nennen.
  • Die Computeranordnung 600 umfasst wenigstens einen Prozessor 601, wie beispielsweise eine zentrale Recheneinheit (central processing unit, CPU) oder FGPA, um nur zwei nicht beschränkende Beispiele zu nennen. Die Computeranordnung 600 kann auch einen Speicher (memory) 603 und eine Speicherung (storage) 608 umfassen, wobei beide miteinander und mit anderen Komponenten über einen Bus 640 kommunizieren. Der Bus 640 kann auch eine Anzeige 632 verbinden, eine oder mehrere Eingabevorrichtungen 633 (die beispielsweise ein Tastenfeld, eine Tastatur, eine Maus, einen Stift, etc. umfasen können), eine oder mehrere Ausgabevorrichtungen 634, eine oder mehrere Speichervorrichtungen 635 und verschiedene nichtflüchtige, greifbare, computerlesbare Speichermedien 636 miteinander oder mit einer oder mit mehreren Komponenten des Prozessors 601, des Speichers 603 und der Speicherung 608. Alle diese Elemente können sich direkt oder über eine oder mehrere Schnittstellen oder Adapter mit dem Bus 640 verbinden. Beispielsweise können die verschiedenen nicht-flüchtigen greifbaren computerlesbaren Speichermedien 636 sich mit dem Bus 640 über eine Speicherungsmedium-Schnittstelle 626 verbinden. Die Computeranordnung 600 kann eine geeignete physische Form haben, die einen oder mehrere integrierte Schaltkreise (integrated circuits, ICs), Leiterplatinen (printed circuit boards, PCBs), mobile Handgeräte (wie beispielsweise Mobiltelefone oder PDAs), einen Laptop- oder Notebook-Computer, verteilte Computeranordnungen, Rechennetze oder Server umfasst, jedoch nicht hierauf beschränkt ist.
  • Der bzw. die Prozessor(en) 601 (oder zentrale Recheneinheit(en) (CPU(s))) enthält bzw. enthalten optional eine Zwischenspeichereinheit 602 zur zeitweisen lokalen Speicherung von Instruktionen, Daten oder Computeradressen. Der bzw. die Prozessoren) 601 sind ausgebildet, um in der Ausführung von computerlesbaren Instruktionen zu unterstützen, die auf wenigstens einem nicht-flüchtigen, greifbaren computerlesbaren Speichermedium gespeichert sind. Die Computeranordnung 600 kann als ein Ergebnis des bzw. der Prozessor(en) 601, die Software ausführen, die in einem oder mehreren nicht-flüchtigen, greifbaren computerlesbaren Speichermedien aufgenommen ist, wie beispielsweisein dem Speicher 603, der Speicherung 608, der Speichervorrichtung 635 und/oder der Speichermedium 636 (beispielsweise einem Festwertspeicher (read only memory, ROM)) bereitstellen. Beispielsweise kann das Verfahren, das unter Bezugnahme auf 3 beschrieben ist, in einem oder mehreren nicht-flüchtigen, greifbaren computerlesbaren Speichermedien verkörpert sein. Die nicht-flüchtigen, greifbaren computerlesbaren Speichermedien können Software speichern, die besondere Ausführungsformen implementiert, und der bzw. die Prozessor(en) 601 kann bzw. können die Software ausführen. Der Speicher 603 kann die Software von einer oder mehreren nicht-flüchtigen greifbaren computerlesbaren Speichermedien (wie beispielsweise von Massenspeichervorrichtung(en) 635, 636) oder von einer oder mehreren anderen Quellen über eine geeignete Schnittstelle, wie beispielsweise eine Netzwerkschnittstelle 620, auslesen. Die Software kann den Prozessor bzw. die Prozessoren 601 dazu veranlassen, einen oder mehrere Verfahren oder einen oder mehrere Schritte der einen oder mehreren Verfahren, wie hierin beschrieben oder dargestellt, auszuführen. Das Ausführen solcher Verfahren oder Schritte kann das Bestimmen von Datenstrukturen umfassen, die in dem Speicher 603 gespeichert sind und das Modifizieren der Datenstrukturen, wie durch die Software vorgegeben. In manchen Ausführungsformen kann ein FPGA Instruktionen zum Ausführen einer Funktionalität, wie in dieser Offenbarung beschrieben, speichern. In anderen Ausführungsformen umfasst die Firmware Instruktionen zum Ausführen einer Funktionalität, wie sie in dieser Offenbarung beschrieben ist (beispielsweise das Verfahren, wie unter Bezugnahme auf 3 beschrieben).
  • Der Speicher 603 kann unterschiedliche Komponenten umfassen (beispielsweise nicht-flüchtige, greifbare computerlesbare Speichermedien), eine Arbeitsspeicherkomponente (random access memory, RAM 604) (beispielsweise einen statischen RAM ”SRAM”, einen dynamischen RAM ”DRAM”, etc.), eine Festwertspeicherkomponente (beispielsweise ROM 605) und jegliche Kombinationen davon, wobei er nicht hierauf beschränkt Ist. Der Festwertspeicher ROM 605 kann zum Kommunizieren von Daten und Instruktionen unidirektional zu dem Prozessor bzw. den Prozessoren 601 wirken und der Arbeitsspeicher RAM 604 kann zum Kommunizieren von Daten und Instruktionen bidirektional mit dem Prozessor bzw. den Prozessoren 601 wirken. ROM 605 und RAM 604 können jegliche geeignete, nicht flüchtige greifbare computerlesbare Speichermedien, wie sie vorstehend beschrieben sind, umfassen. In manchen Fällen umfassen ROM 605 und RAM 604 nicht-flüchtige, greifbare computerlesbare Speichermedien zum Ausführen der Verfahren, wie sie hierin beschrieben sind. In einem Beispiel kann ein Basic Input/Output System 606 (BIOS) in dem Speicher 603 gespeichert sein, der Grundprogramme umfasst, die die Übertragung von Informationen zwischen den Elementen innerhalb der Computeranordnung 600, wie beispielsweise beim Start, unterstützen.
  • Eine feste Speicherung 608 ist bidirektional mit dem bzw. den Prozessor(en) 601 verbunden, optional durch die Speicherungssteuereinheit 607. Die feste Speicherung 608 stellt zusätzliche Datenspeicherkapazität bereit und kann auch jegliche geeigneten, nicht-flüchtigen, greifbaren computerlesbaren Medien, wie hierin beschrieben, umfassen. Die Speicherung 608 kann verwendet werden, um das Betriebssystem 609, EXECs 610 (executables), Daten 611, API-Applikationen (612) (application programs), und dergleichen zu speichern. Beispielsweise können unterschiedliche Instanzen der Speicherung 608 zur Speicherung der disparaten Kalibrationsdatenbank 104 implementiert sein, des chemometrischen Kalibrationsmodells 108, der Datensammelkomponente 208 und der kombinierten Datenbank 210, wie in 1, 2 und 4 beschrieben. Oftmals, jedoch nicht immer, ist die Speicherung 608 ein Sekundärspeichermedium (wie beispielsweise eine Festplatte), die langsamer ist als der Primärspeicher (beispielsweise Speicher 603). Die Speicherung kann auch ein optisches Laufwerk (optical disc drive), eine Festkörperspeichervorrichtung (flashbasierte Anordnungen) oder eine Kombination des vorstehenden umfassen. Informationen in der Speicherung können in geeigneten Fällen als virtuelle Speicherung in der Speicherung 603 enthalten sein.
  • In einem Beispiel kann bzw. können die Speichervorrichtungen 635 lösbar mit der Computeranordnung 600 über eine Speichervorrichtungschnittstelle 625 verbunden sein (beispielsweise über einen externen PortVerbinder (port connector) (nicht dargestellt)). Insbesondere kann bzw. können die Speichervorrichtung(en) 635 und ein assoziiertes maschinenlesbares Medium eine nicht-flüchtige und/oder flüchtige Speicherung von maschinenlesbaren Instruktionen, Datenstrukturen, Programmmodul und/oder anderen Daten der Computeranordnung 600 bereitstellen. In einem Beispiel kann Software vollständig oder teilweise innerhalb eines maschinenlesbaren Mediums oder Speichervorrichtungen) 635 enthalten sein. In einem anderen Beispiel kann Software vollständig oder teilweise in Prozessor(en) 601 enthalten sein.
  • Der Bus 640 verbindet eine große Vielzahl von Unteranordnungen. Hierin kann die Bezugnahme auf einen Bus eine oder mehrere digitale Signalleitungen umfassen, die gegebenenfalls einer üblichen Funktion dienen. Der Bus 640 kann jede erdenkliche Art einer Busstruktur sein, umfassend, jedoch nicht darauf beschränkt, einen Speicherbus, eine Speichersteuerung, einen Peripheralbus, einen Lokalbus und jegliche Kombinationen hiervon, die eine einer Vielzahl von Busarchitekturen verwendet. Als ein Beispiel, das jedoch nicht beschränkend ist, umfassen solche Architekturen einen Industry Standard Architecture(ISA)-Bus, einen verbesserten ISA(enhanced ISA, EISA)-Bus, einen Micro Channel Architecture(MCA)-Bus, einen Lokalbus der Video Electronics Standards Association (VLB), einen Peripheral Component Interconnect(PCI)-Bus, einen PCI-Express(PCI-X)-Bus, ein Accelerated Graphics Port(AGP)-Bus, einen Hyper Transport(HTX)-Bus, einen Serial Advanced Technology Attachment(SATA)-Bus und jegliche Kombinationen davon.
  • Die Computeranordnung 600 kann auch eine Eingabevorrichtung 633 umfassen. In einem Beispiel kann ein Anwender einer Computeranordnung 600 Befehle und/oder andere Informationen in eine Computeranordnung 600 über Eingabeanordnung(en) 633 eingeben. Beispiele einer Computeranordnung bzw. Computeranordnungen 633 umfassen, sind jedoch nicht darauf beschränkt, eine alphanummerische Eingabevorrichtung (beispielsweise eine Tastatur), ein Zeigegerät (beispielsweise eine Maus oder ein Touchpad), ein Touchpad, einen Touchscreen, einen Joystick, ein Gamepad, eine Audio-Eingabevorrichtung (beispielsweise ein Mikrophon, ein Sprachdialogsystem, etc.), einen optischer Scanner, eine Videovorrichtung oder eine Vorrichtung zur Aufnahme von Standbildern (beispielsweise eine Kamera) und jegliche Kombinationen davon. Die Eingabevorrichtung(en) 633 kann bzw. können sich mit dem Bus 640 über jede einer Vielzahl von Eingabeschnittstellen 623 (beispielsweise Eingabeschnittstelle 623) verbinden, umfassend, jedoch nicht hierauf beschränkt, einen seriellen Port, einen parallelen Port, einen Gameport, USB, Firewire, Thunderbolt oder jede Kombination davon.
  • In besonderen Ausführungsformen, bei denen die Computeranordnung mit dem Netzwerk 630 (wie dem Netzwerk 422 in 4) verbunden ist, kann die Computeranordnung 600 mit anderen Vorrichtungen kommunizieren, wie beispielsweise Mobilgeräten und Unternehmenssystemen, die mit dem Netzwerk 630 verbunden sind. Kommunikationen von und zu der Computeranordnung 600 können durch die Netzwerkschnittstelle 620 gesendet werden. Beispielsweise kann die Netzwerkschnittstelle 620 eingehende Kommunikationen (wie beispielsweise Anfragen oder Antworten von anderen Vorrichtungen) in der Form von einem oder mehreren Paketen (wie beispielsweise Internetprotokoll(IP)-Paketen) von dem Netzwerk 630 erhalten und die Computeranordnung 600 kann die eingehenden Kommunikationen in dem Speicher 603 zur Bearbeitung speichern. Die Computeranordnung 600 kann in gleicher Weise ausgehende Kommunikationen speichern (wie beispielsweise Anfragen oder Antworten an die anderen Vorrichtungen) in der Form von einen oder mehreren Paketen in dem Speicher 603 und die zu dem Netzwerk 630 von der Netzwerkschnittstelle 620 kommuniziert wurden. Der bzw. die Prozessor(en) 601 kann bzw. können auf diese Kommunikationspakete, die in dem Speicher 603 zur Bearbeitung gespeichert sind, zugreifen.
  • Beispiele der Netzwerkschnittstelle 620 umfassen, sind jedoch nicht darauf beschränkt, eine Netzwerkschnittstellenkarte, ein Modem und jede Kombination davon. Beispiele eines Netzwerks 630 oder eines Netzwerksegments 630 umfassen, sind jedoch nicht darauf beschränkt, ein Wide Area Network (WAN) (beispielsweise das Internet, ein Arbeitsnetzwerk), ein Local Area Network (LAN) (beispielsweise ein Netzwerk, das mit einem Büro assoziiert ist, einem Gebäude, einem Campus oder einem vergleichsweise kleinen geografischen Raum), ein Telefonnetzwerk, eine direkte Verbindung zwischen zwei Rechenvorrichtungen und jegliche Kombinationen davon. Ein Netzwerk, wie beispielsweise ein Netzwerk 630, kann eine kabelgebundene oder kabellose Art der Kommunikation umfassen. Im Allgemeinen kann jede Netzwerktopologie verwendet werden.
  • Informationen und Daten können durch eine Anzeige 632 angezeigt werden. Beispiele für eine Anzeige 632 umfassen, sind jedoch nicht hierauf beschränkt, eine Flüssigkeitskristallanzeige (LCD), eine organische Flüssigkeitskristallanzeige (OLED), eine Kathodenstrahlröhre (CRT), eine Plasmaanzeige und jegliche Kombinationen hiervon. Die Anzeige 632 kann sich mit dem bzw. den Prozessor(en) 601, dem Speicher 603, der festen Speicherung 608 wie auch anderen Vorrichtungen, wie beispielsweise Eingabevorrichtungen) 633 über den Bus 640 verbinden. Die Anzeige 632 ist mit dem Bus 640 über eine Videoschnittstelle 622 verbunden und die Übertragung der Daten zwischen der Anzeige 632 und dem Bus 640 kann über die Graphiksteuerung 621 gesteuert werden. Die Ergebnisse, die von dem Prognosemotor 210 präsentiert werden, können von der Anzeige angezeigt werden.
  • Zusätzlich zu einer Anzeige 632 kann die Computeranordnung 600 eine oder mehrere andere periphere Ausgabevorrichtungen 634 umfassen, umfassend, jedoch nicht hierauf beschränkt, einen Audiolautsprecher, einen Drucker und jegliche Kombinationen hiervon. Solche peripheren Ausgabevorrichtungen können mit dem Bus 640 über eine Ausgabeschnittstelle 624 verbunden sein. Beispiele für eine Ausgabeschnittstelle 624 umfassen, sind jedoch nicht darauf beschränkt, einen seriellen Port, eine parallele Verbindung, einen USB-Port, einen Firewire-Port, einen Thunderbolt-Port und jegliche Kombinationen davon.
  • Zusätzlich oder alternativ kann die Computeranordnung 600 die Funktionalität als eine Logikverknüpfung (result of logic) bereitstellen, die fest verdrahtet oder anders in eine Schaltung eingebettet ist, die anstelle von oder zusammen mit Software arbeitet, um eines oder mehrere Verfahren oder einen oder mehrere Schritte des einen oder der mehreren Verfahren, wie hierin beschrieben oder dargestellt, auszuführen. Die Bezugnahme auf Software in dieser Offenbarung kann Logik umfassen, die Bezugnahme auf Logik kann Software umfassen. Ferner kann die Bezugnahme auf ein nicht-flüchtiges, greifbares computerlesbares Medium eine Schaltung (wie beispielsweise eine IC) umfassen, die Software zur Ausführung speichert, eine Schaltung, die Logik zur Ausführung verkörpert oder gegebenenfalls beides. Die vorliegende Offenbarung umfasst Hardware oder Hardware in Verbindung mit Software.
  • Innerhalb dieser Beschreibung werden dieselben Bezugszeichen verwendet, um auf Terminals, Signalleitungen, Kabel, etc. und ihre korrespondierenden Signale zu verweisen. In dieser Hinsicht können die Begriffe ”Signal”, ”Kabel”, ”Verbindungen”, ”Terminal”, und ”Stift”, innerhalb dieser Beschreibung von Zeit zu Zeit austauschbar verwendet werden. Es sollte auch beachtet werden, dass die Begriffe ”Signal”, ”Kabel” und dergleichen eines oder mehrere Signale repräsentieren können, beispielsweise die Übermittlung eines einzelnen Bits durch ein einzelnes Kabel oder die Übermittlung mehrerer paralleler Bits durch mehrere parallele Kabel. Ferner kann jedes Kabel oder jedes Signal eine bidirektionale Kommunikation zwischen zwei oder mehr Komponenten repräsentieren, die durch ein Signal oder ein Kabel verbunden sind, sofern dies der Fall ist.
  • Die verschiedenen illustrativen Logikblöcke, Module und Schaltungen, die in Verbindung mit den Ausführungsformen, welche hierin offenbart sind, beschrieben sind, können mit einem Universalprozessor, einem digitalen Signalprozessor (DSP), einem anwendungsspezifischen integrierten Schaltkreis (application specific integrated circuit, ASIC), einem Field Programmable Gate Array (FPGA) oder einer anderen programmierbaren Logikvorrichtung, einem diskreten Gate oder einer Transistorlogik, diskreten Hardwarekomponenten oder jeder Kombination davon implementiert oder durchgeführt werden, die designt sind, um die hierin beschriebenen Funktionen durchzuführen. Ein Universalprozessor kann ein Mikroprozessor sein, jedoch alternativ kann der Prozessor auch jeder konventionelle Prozessor, jede Steuerung, jede Mikrosteuerung oder jeder Zustandsautomat sein. Ein Prozessor kann auch als eine Kombination von Rechen-Vorrichtungen implementiert sein, beispielsweise als eine Kombination eines DSP- und eines Mikroprozessors, einer Vielzahl von Mikroprozessoren, eines oder mehrerer Mikroprozessoren in Verbindung mit einem DSP-Kern oder jeder anderen Konfiguration.
  • Die vorstehende Beschreibung der offenbarten Ausführungsformen ist bereitgestellt, um einen Fachmann in die Lage zu versetzen, die vorliegende Erfindung herzustellen oder zu verwenden. Verschiedene Modifikationen dieser Ausführungsformen sind offensichtlich für den Fachmann und die generischen Prinzipien, die hierin definiert sind, können auf andere Ausführungsformen angewandt werden, ohne von der Grundidee oder dem Umfang der Erfindung abzuweichen. Somit soll die vorliegende Erfindung nicht auf die Ausführungsformen, die hierin gezeigt sind, beschränkt sein, sondern es soll der breiteste Umfang angenommen werden, der mit den Prinzipien und neuen Merkmalen, die hierin offenbart sind, konsistent ist.
  • Schlussendlich können Verbesserungen in der Präzision und Genauigkeit der Erz-Eigenschaftskalibrierung erreicht werden, wenn zwei oder mehr analytische Techniken miteinander, wie vorstehend beschrieben, kombiniert werden. Das Ergebnis ist ein kombiniertes System, das eine akkurate und präzise Analyse von so vielen der erzmineralogischen und metallurgischen Eigenschaften bereitstellt, wie möglich. Zusätzlich sind viele Varianten der Anordnung zum Erhalten der Daten schnell und erfordern nur ein einziges vorbereites Erzmuster. Zusätzlich zu der Auswahl der optimalen analytischen Technologien kann die Softwareanordnung, die die Kalibrierung unter Verwendung des kombinierten Datensatzes optimiert, auf die Mineralogie der Erzablagerung maßgeschneidet sein.

Claims (14)

  1. Anordnung zum Analysieren eines unbekannten geologischen Musters, wobei die Anordnung umfasst: wenigstens zwei analytische Unteranordnungen, umfassend eine Nah-Infrarot-Spektralanalyse-Unteranordnung und wenigstens eine andere analytische Unteranordnung, wobei jede der wenigstens zwei analytischen Unteranordnungen unterschiedliche Informationen über das geologische Muster bereitstellt; eine Datensammelkomponente zum Sammeln und Kombinieren der unterschiedlichen Informationen von jeder analytischen Unteranordnung, um kombinierte analytische Informationen zu erzeugen; eine chemometrische Kalibrationsdatenbank, die Aufzeichnungen umfasst, die geologische Attribute zu Daten in Verbindung setzt, die zuvor mit wenigstens zwei analytischen Anordnungen erzeugt wurden, die vom gleichen Anordnungstyp sind, wie die wenigstens zwei analytischen Unteranordnungen; und ein Prognosemotor, der die Aufzeichnungen in der chemometrischen Kalibrationsdatenbank auf die kombinierten analytischen Informationen anwendet, um spezifische geologische Attribute in dem unbekannten geologischen Muster zu identifizieren.
  2. Anordnung nach Anspruch 1, wobei die wenigstens zwei analytischen Unteranordnungen innerhalb eines einzelnen Gehäuses aufgenommen sind.
  3. Anordnung nach Anspruch 1, wobei die wenigstens zwei analytischen Unteranordnungen diskrete und voneinander unabhängig betreibbare Einheiten sind.
  4. Anordnung nach Anspruch 1, umfassend eine Netzwerkverbindungskomponente, um die chemometrische Kalibrationsdatenbank mit einer entfernten chemometrischen Kallibrationsdatenbank zu verbinden.
  5. Anordnung nach Anspruch 1, wobei die geologischen Attribute ausgewählt werden, aus der Gruppe umfassend: Elementarattribute, Molekularattribute, Mineralgehalt und metallurgische Attribute.
  6. Anordnung nach Anspruch 1, wobei wenigstens eine andere analytische Unteranordnung eine Technologie ist, die aus der Gruppe ausgewählt wird, umfassend: Röntgen-Diffraktometrie (XRD), Röntgen-Fluoreszenz (XRF), Raman, laserinduzierte Plasmaspektroskopie (LIBS), Fourrier-Transformations-Infrarot (FT-IR), quantitative Evaluation von Mineralien durch Rasterelektronenmikroskopie (QEMSCAN), optische Emissionsspektroskopie mittels induktiv gekoppeltem Plasma(ICP-OES)-Analyse, Atom-Emissionsspektroskopie mit induktiv gekoppeltem Plasma (ICP-AES) und induktiv gekoppelte Plasma-Massenspektrometrie (ICP-MS).
  7. Verfahren zum Analysieren eines unbekannten geologischen Musters, wobei das Verfahren umfasst: Erhalten eines unbekannten geologischen Musters; Analysieren des unbekannten geologischen Musters mit wenigstens zwei analytischen Unteranordnungen für geologische Eigenschaften, um zwei Sätze von analytischen Daten zu erhalten; Sammeln der zwei Sätze von analytischen Daten, um kombinierte Daten zu bilden; und Identifizieren von Attributen des unbekannten geologischen Musters durch Anwendung eines chemometrischen Kalibrationsmodells auf die kombinierten Daten, um geologische Attribute des Musters zu prognostizieren, wobei das Kalibrationsmodell von den gesammelten Daten von den analytischen Anordnungen abgeleitet wird, die vom gleichen Typ sind wie die analytischen Unteranordnungen.
  8. Verfahren nach Anspruch 7, umfassend: Erhalten des chemometrischen Kalibrationsmodells von einem entfernten Standort über ein Netzwerk.
  9. Verfahren nach Anspruch 7, wobei das Analysieren des unbekannten geologischen Musters das Analysieren des unbekannten geologischen Musters mit einer Nah-Infrarot-Spektralanalyse-Unteranordnung umfasst, um Daten zu erhalten, die indikativ für einen Molekulargehalt des geologischen Musters sind.
  10. Verfahren nach Anspruch 9, wobei das Analysieren des unbekannten geologischen Musters das Analysieren des unbekannten geologischen Musters mit einer analytischen Technologie umfasst, die eine Indikation für den Elementargehalt des geologischen Musters bereitstellt.
  11. Nicht-flüchtiges, greifbares prozessorlesbares Speichermedium, das mit pozessorlesbaren Instruktionen kodiert ist, um ein Verfahren zum Durchführen einer Analyse eines unbekannten geologischen Musters durchzuführen, wobei das Verfahren umfasst: Erhalten eines unbekannten geologischen Musters; Analysieren des unbekannten geologischen Musters mit wenigstens zwei analytischen Unteranordnungen zur Analyse der geologischen Eigenschaft, um zwei Sätze von analytischen Daten zu erhalten; Sammeln der zwei Sätze analytischer Daten, um kombinierte Daten zu bilden; und Identifizieren von Attributen des unbekannten geologischen Musters durch Anwenden eines chemometrischen Kalibratonsmodells auf die kombinierten Daten, um geologische Attribute des Musters zu prognostizieren, wobei das Kalibrationsmodell von den Daten abgeleitet wird, die von den analytischen Anordnungen gesammelt wurden, die vom gleichen Typ sind wie die analytischen Unteranordnungen.
  12. Nicht-flüchtiges, greifbares prozessorlesbares Speichermedium nach Anspruch 11, wobei das Verfahren umfasst: Erhalten des chemometrischen Kalibrationsmodells von einem entfernten Standort über ein Netzwerk.
  13. Nicht-flüchtiges, greifbares prozessorlesbares Speichermedium nach Anspruch 11, wobei das Analysieren des unbekannten geologischen Musters des Analysieren des unbekannten geologischen Musters mit einer Nah-Infrarot-Spektralanalyse-Unteranordnung umfasst, um Daten zu erhalten, die indikativ für den Molekulargehalt des geologischen Musters sind.
  14. Nicht-flüchtiges, greifbares prozessorlesbares Speichermedium nach Anspruch 13, wobei das Analysieren des unbekannten geologischen Musters das Analysieren des unbekannten geologischen Musters mit einer Analysetechnik umfasst, die eine Indikation für den Elementargehalt des geologischen Musters bereitstellt.
DE112013004743.8T 2012-09-26 2013-09-26 Multi-Sensoranalyse eines komplexen geologischen Materials Pending DE112013004743T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261705760P 2012-09-26 2012-09-26
US61/705,760 2012-09-26
PCT/US2013/062044 WO2014052673A1 (en) 2012-09-26 2013-09-26 Multi-sensor analysis of complex geologic materials

Publications (1)

Publication Number Publication Date
DE112013004743T5 true DE112013004743T5 (de) 2015-09-24

Family

ID=50339687

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112013004743.8T Pending DE112013004743T5 (de) 2012-09-26 2013-09-26 Multi-Sensoranalyse eines komplexen geologischen Materials

Country Status (5)

Country Link
US (3) US9618651B2 (de)
AU (2) AU2013323430B2 (de)
CA (1) CA2885349C (de)
DE (1) DE112013004743T5 (de)
WO (1) WO2014052673A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020132736B4 (de) 2019-12-11 2023-04-20 Dmt Gmbh & Co. Kg Mobiles Analysesystem von heterogenen Gesteins- und/oder Bodenproben

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9316537B2 (en) 2011-06-29 2016-04-19 Minesense Technologies Ltd. Sorting materials using a pattern recognition, such as upgrading nickel laterite ores through electromagnetic sensor-based methods
DK2726711T3 (da) 2011-06-29 2020-07-27 Minesense Tech Ltd Ekstraktion af udvundet malm, mineraler eller andre materialer med anvendelse af sensorbaseret sortering
US11219927B2 (en) 2011-06-29 2022-01-11 Minesense Technologies Ltd. Sorting materials using pattern recognition, such as upgrading nickel laterite ores through electromagnetic sensor-based methods
EP3369488B1 (de) 2012-05-01 2021-06-23 Minesense Technologies Ltd. Verfahren zur kaskadenförmigen sortierung von mineralien
DE112013004743T5 (de) 2012-09-26 2015-09-24 Panalytical Inc. Multi-Sensoranalyse eines komplexen geologischen Materials
GB201315195D0 (en) * 2013-08-23 2013-10-09 Perkinelmer Uk Ltd Identifying presence of substances
US9606048B2 (en) * 2014-06-30 2017-03-28 Momentive Performance Materials Inc. Method for determining the weight and thickness of a passivation or conversion coating on a substrate
US9522415B2 (en) 2014-07-21 2016-12-20 Minesense Technologies Ltd. Mining shovel with compositional sensors
CA2955636C (en) * 2014-07-21 2022-08-09 Minesense Technologies Ltd. High capacity separation of coarse ore minerals from waste minerals
GB2528487A (en) * 2014-07-23 2016-01-27 Airbus Operations Ltd Apparatus and method for testing materials
US9678002B2 (en) * 2014-10-29 2017-06-13 Chevron U.S.A. Inc. Method and system for NIR spectroscopy of mixtures to evaluate composition of components of the mixtures
US9952159B2 (en) * 2015-08-14 2018-04-24 Bwt Property, Inc. Laser induced breakdown spectroscopy (LIBS) apparatus for analyzing biological samples
US20180100390A1 (en) * 2015-11-17 2018-04-12 Baker Hughes, A Ge Company, Llc Geological asset uncertainty reduction
JP6638537B2 (ja) * 2016-04-21 2020-01-29 株式会社島津製作所 試料解析システム
JP6683111B2 (ja) * 2016-11-28 2020-04-15 株式会社島津製作所 試料解析システム
CN106596512B (zh) * 2017-01-06 2023-05-05 中国科学院上海技术物理研究所 一种用于大宗及贵重货品进出口检测的联合光谱检测仪
US11352879B2 (en) 2017-03-14 2022-06-07 Saudi Arabian Oil Company Collaborative sensing and prediction of source rock properties
JP2019032214A (ja) * 2017-08-07 2019-02-28 株式会社島津製作所 分析装置およびプログラム
WO2019127352A1 (zh) * 2017-12-29 2019-07-04 深圳达闼科技控股有限公司 基于拉曼光谱的物质识别方法及云端***
US20190250098A1 (en) * 2018-02-12 2019-08-15 Saudi Arabian Oil Company Si-al ratio in zeolite using ft-ir and chemometrics
AU2020289549B2 (en) 2019-06-05 2023-05-18 X Development Llc Determining ore characteristics
CN110865994A (zh) * 2019-11-05 2020-03-06 中化地质矿山总局地质研究院 批量录入样品分析结果的方法及装置
CN111398243A (zh) * 2020-04-02 2020-07-10 中南大学 用于钨浮选精矿品位在线检测的光纤拉曼***及方法
AU2020456606A1 (en) * 2020-07-01 2023-02-16 Chevron U.S.A. Inc. Silica in rock samples
EP4019949A1 (de) 2020-12-24 2022-06-29 Inel S.A.S Verfahren und system zur charakterisierung von materialien unter verwendung mehrerer instrumente und datenfusion
CN112924391A (zh) * 2021-02-03 2021-06-08 重庆邮电大学 基于遥感大数据的fy-4a/agri交叉辐射定标方法
FR3128787A1 (fr) * 2021-11-04 2023-05-05 Centre National De La Recherche Scientifique Procede et dispositif d’analyse d’un ensemble d’echantillons ou bien d’une surface
CN117251739B (zh) * 2023-11-17 2024-01-30 核工业北京地质研究院 用于砂岩型铀资源定量预测的样本集的构建方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4701838A (en) * 1983-05-12 1987-10-20 The Broken Hill Proprietary Co., Ltd. Characterizing and handling multi-component substances
US5360972A (en) 1993-08-17 1994-11-01 Western Atlas International, Inc. Method for improving chemometric estimations of properties of materials
AUPO425896A0 (en) * 1996-12-18 1997-01-23 University Of Wollongong, The Method and apparatus for measuring gas concentrations and isotope ratios in gases
EP1563280A1 (de) 2002-11-06 2005-08-17 Her Majesty the Queen in Right of Canada as Represented by The Minister of Natural Resources Nir-spektroskopieverfahren zur analyse von elementen chemischer prozesse
WO2009080049A1 (en) * 2007-12-21 2009-07-02 Dma Sorption Aps Monitoring oil condition and/or quality, on-line or at-line, based on chemometric data analysis of flourescence and/or near infrared spectra
WO2011035391A1 (en) * 2009-09-24 2011-03-31 Commonwealth Scientific And Industrial Research Organisation Method of contaminant prediction
NZ599772A (en) * 2009-11-02 2015-10-30 Uni Fur Bodenkultur Wien Method for determining polycyclic aromatic hydrocarbon contaminant concentration
JP5986646B2 (ja) * 2012-02-07 2016-09-06 マテリアリティクス,エルエルシー 試料を分析する方法およびシステム
DE112013004743T5 (de) 2012-09-26 2015-09-24 Panalytical Inc. Multi-Sensoranalyse eines komplexen geologischen Materials
RU2616777C1 (ru) 2013-03-22 2017-04-18 ФОСС Аналитикал А/С Система и способ исследований с помощью совместного использования лиэс и ИК-спектроскопии поглощения

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020132736B4 (de) 2019-12-11 2023-04-20 Dmt Gmbh & Co. Kg Mobiles Analysesystem von heterogenen Gesteins- und/oder Bodenproben

Also Published As

Publication number Publication date
WO2014052673A1 (en) 2014-04-03
US20170160257A1 (en) 2017-06-08
US10107788B2 (en) 2018-10-23
US20190049421A1 (en) 2019-02-14
AU2013323430B2 (en) 2017-12-21
AU2018201960A1 (en) 2018-04-12
AU2013323430A1 (en) 2015-03-26
AU2018201960B2 (en) 2020-06-11
US10859556B2 (en) 2020-12-08
US20140088876A1 (en) 2014-03-27
US9618651B2 (en) 2017-04-11
CA2885349A1 (en) 2014-04-03
CA2885349C (en) 2020-11-10

Similar Documents

Publication Publication Date Title
DE112013004743T5 (de) Multi-Sensoranalyse eines komplexen geologischen Materials
Yu et al. Laser-induced breakdown spectroscopy coupled with multivariate chemometrics for variety discrimination of soil
Lawley et al. Rapid geochemical imaging of rocks and minerals with handheld laser induced breakdown spectroscopy (LIBS)
Wadoux et al. Soil spectral inference with r
CN104697966A (zh) 一种基于最小二乘支持向量机算法结合激光诱导击穿光谱的钢铁中铬和锰定量分析方法
CN111351757B (zh) 用于预测食用油样品的油掺杂的定量量度的方法和***
Wang et al. Effects of hyperspectral data with different spectral resolutions on the estimation of soil heavy metal content: From ground-based and airborne data to satellite-simulated data
Scharf et al. AnalyZr: A Python application for zircon grain image segmentation and shape analysis
CN108573105A (zh) 基于深度置信网络的土壤重金属含量检测模型的建立方法
Pagnin et al. Multivariate analysis and laser-induced breakdown spectroscopy (LIBS): a new approach for the spatially resolved classification of modern art materials
DE112020001135T5 (de) Spektrale zerlegung von umgebungslichtmessungen
Tappert et al. Characterizing kimberlite dilution by crustal rocks at the Snap Lake diamond mine (Northwest Territories, Canada) using SWIR (1.90–2.36 μ m) and LWIR (8.1–11.1 μ m) hyperspectral imagery collected from drill core
EP3029439B1 (de) System zur Auswertung von Reflektanzspektren und Verfahren zur Bestimmung von charakteristischen Absorptionsmerkmalen in Reflektanzspektren
CN113390909A (zh) 一种基于x射线衍射技术的煤矸识别方法
Nakhaei et al. Prediction of XRF analyzers error for elements on-line assaying using Kalman Filter
Capela et al. Robust and interpretable mineral identification using laser-induced breakdown spectroscopy mapping
DE112015006132T5 (de) Problemanalysewerkzeug, das einen winkelselektiven Breitbandfilter einsetzt
CN115389482A (zh) 一种基于拉曼光谱和图像算法的物质检测方法
Greene et al. Quantitative calibration of hyperspectral core imaging data: a new method for producing continuous, high-resolution mineralogical characterization of cores from both conventional and unconventional Reservoirs
CN113552075A (zh) 一种金地球化学元素反演方法和***
Ji et al. MnEdgeNet for accurate decomposition of mixed oxidation states for Mn XAS and EELS L2, 3 edges without reference and calibration
CN113295673A (zh) 一种激光诱导击穿光谱弱监督特征提取方法
DE19744061C2 (de) Vorrichtung und Verfahren zum Bestimmen von Arten von Adsorbaten
CN113092447B (zh) 一种基于循环变量筛选非线性pls的libs定量分析方法
Cannon Automated Spectral Identification of Materials Using Spectral Identity Mapping

Legal Events

Date Code Title Description
R081 Change of applicant/patentee

Owner name: MALVERN PANALYTICAL INC., WESTBOROUGH, US

Free format text: FORMER OWNER: PANALYTICAL INC., BOULDER, COL., US

R082 Change of representative

Representative=s name: LORENZ & KOLLEGEN PATENTANWAELTE PARTNERSCHAFT, DE

R012 Request for examination validly filed
R016 Response to examination communication