建大新闻网讯    近日，我校资源工程学院资源绿色加工与矿冶固废利用研究团队围绕选矿水循环回用与智能化调控问题，在国际期刊《Water Research》（2026年影响因子为12.8，JCR Q1，SCI一区TOP期刊,我校A类期刊）发表题为 “Threshold-driven reuse of mineral processing water: selective treatment and AI-ready monitoring for fit-for-purpose control（阈值驱动选矿水精准回用：目标工况下选择性处理与AI监测调控）”的综述论文。王森副教授为第一作者，郭红宏副教授为通讯作者，我校为论文第一单位，合作单位有榆林市榆神煤炭榆树湾煤矿有限公司、陕西省煤层气开发利用有限公司、西华大学。

浮选过程水并不是生产清水的简单替代物，而是一种具有化学活性的工艺介质。循环过程中，Ca²⁺、Mg²⁺、SO₄^2-等离子、残余浮选药剂、溶解性有机物、细颗粒及微生物等可能持续累积，并通过改变矿物表面性质、药剂吸附、泡沫稳定性和矿浆行为影响精矿品位、回收率及药剂消耗。文章进一步指出，选矿回水不宜采用统一的固定水质限值，而应建立与矿石性质、药剂制度、循环历史及浮选阶段相匹配的动态“工艺阈值带”；同一股回水可能满足磨矿或粗选要求，却并不适用于对选择性要求更高的精选过程。

基于相关文献证据，该综述进一步构建了面向选矿水回用的AI辅助决策框架。文章提出，可将选矿水在线监测获得的pH、电导率、ORP、浊度等数据与实验室分析、矿石性质、药剂投加和循环历史进行融合，通过软测量识别难以实时监测的离子、残余药剂及细颗粒风险，并依据不同工艺环节的耐受范围进行自适应阈值校正。当细颗粒、残余有机药剂或多价离子成为主要限制因素时，可分别匹配固液分离、氧化/吸附以及纳滤、电渗析等选择性处理技术，再将处理水配置至适宜的磨矿、粗选、扫选或精选环节，实现由“全面深度处理”向“按需处理、分质回用”转变。

该综述最终提出了由水状态识别—阈值与风险判定—污染物匹配处理—分阶段回用—反馈与人工监督构成的闭环决策框架，并利用公开工业铁矿浮选数据进行了离线概念验证。岭回归模型在时间顺序测试集上实现精矿SiO₂预测，获得MAE为0.494个百分点、RMSE为0.721个百分点、R²为0.639，并示意性展示了固定阈值向情景化三级阈值转换的基本逻辑。需要指出的是，该验证主要用于展示离线过程质量预测与阈值切换逻辑，尚不构成选矿水工业闭环控制的验证。文章指出，未来选矿水管理的核心并非单纯提高污染物去除率，而是将水质状态、浮选响应、处理强度和回用位置协同优化，为选矿水由经验回用向精准回用和智能调控转变提供新的工程框架。

论文链接：https://doi.org/10.1016/j.watres.2026.126812

文字、图片：任彦成（资源工程学院）

编辑：李孟洁