TTE293

Considerando esta correlación positiva de la ganga para el consumo de ácido, se generó el

modelo mediante ML para la predicción del CAN (Fig. 38). Los coeficientes de

determinación (R2) y el Error Cuadrático Medio (MSE) del modelo fueron de 0,83 y 3,9 kg/t

respetivamente. No obstante, al momento de testear el modelo RL generado, los respectivos coeficientes de rendimiento es de 0,79 para 2 , y 3,6 kg/t para el MSE.

FIGURA 38. Modelo ML de entrenamiento (Izq.) y test (Der.) para la predicción del CAN obtenido de un Lineal Regression (RL).

La función matemática que define al modelo RL, considerando las variables mineralógicas

de entrada para predecir el consumo de ácido sulfúrico como el input de salida, es

determinada bajo la siguiente ecuación:

∫( ) = 3,38 + 13,8 ∗ + 15,1 ∗ + 6,5 ∗ + 92 ∗ ℎ + 1,2 ∗ ℎ − 12,2 ∗ ℎ .

4.4.2 STEPWISE REGRESSION (SR)

Una de la característica más destacable del modelo SR es el bajo sesgo que existe al momento

de seleccionar los variables de entrada para el entrenamiento del modelo, de las cuales su

significancia recae principalmente en función del valor P. Para este caso, 9 variables

presentaron valor-p inferior a 0,05 (Fig. 39) identificado con la definición de que existe un

55