[发明专利]一种化合物捕收性能归一化预测方法

说明书

本发明属于矿物浮选领域，具体涉及一种化合物捕收性能归一化预测方法，分别计算不同参比捕收剂归一化相对回收率Rr’和归一化分选效率SE’，并通过公式1计算各参比捕收剂的归一化浮选指数FI’，通过公式2计算各参比捕收剂的归一化复合性质指数PI’，以计算得到的FI’为纵坐标，所述的PI’为横坐标，构建公式3的线性关系(FI’＝A×PI’+B)：随后按照公式2计算待评价的化合物的归一化复合性质指数PI’，并采用公式3计算待评价的化合物的归一化浮选指数FI’，预测并量化待评价捕收剂的浮选性能。本发明方法预测方法简单、容易实现，且预测结果准确。

技术领域

本发明属于矿物浮选领域，具体涉及药剂捕收性能预测领域。

背景技术

浮选是21世纪最伟大的技术之一，在此基础上，人类大规模利用矿产资源成为可能。成功浮选的关键是对不同矿物具有较高选择性的浮选表面活性剂。随着高品位矿物的日益枯竭，实现低品位和细粒嵌布矿物的高效浮选分离具有重要意义。实现难选矿物高效分离的最基本方法是开发高选择性捕收剂，这也是一个具有持久挑战性的重要课题。在浮选的百年历史中，捕收剂的开发主要依赖于经验法则和反复试验法，这些方法非常耗时、成本高、效率低。

随着计算机科学和量子化学的迅速发展，理论化学和计算化学逐渐被应用于揭示浮选体系的内在机理。对捕收剂分子的构效关系(SAR)的研究迎来了一个关键的机遇。DFT计算成为探索分离机理和预测浮选行为的一种广受关注的工具。它具有较高的计算效率和精度，已成为研究晶体表面和捕收剂的电子结构、性质及其相互作用的最流行的量子力学模型。然而，浮选中常用的DFT计算主要是周期性计算，耗时且昂贵，难以实现捕收剂的大规模计算和预测。

20世纪90年代，定量结构-活性关系(QSAR)模型被应用于矿物浮选领域，以模拟捕收剂的分离效率。然而，QSAR或3D-QSAR建模方法，需要制备大量具有相同骨架的捕收剂，并且只能预测具有相同骨架捕收剂的浮选行为。因此，通用性低的QSAR在工业应用中存在很大困难。因此，捕收剂的高通量预测和评估仍然是一个挑战。

发明内容

本发明的目的在于，提供一种化合物捕收性能归一化预测方法，旨在提供一种预判化合物浮选性能的定量预测方法。

一种化合物捕收性能归一化预测方法，步骤包括：

步骤(1)：

分别计算不同参比捕收剂归一化相对回收率Rr’和归一化分选效率SE’，并通过公式1计算各参比捕收剂的归一化浮选指数FI’，

所述的归一化相对回收率Rr’分别为相对回收率Rr与相对回收率理论最大值Rr_max的比值，范围在大于0小于1之间；所述的相对回收率Rr分别为各参比捕收剂对目标矿物浮选回收率-目标矿物天然上浮率；Rr_max＝100％-目标矿的上浮率；

所述的归一化分选效率SE’分别为分选效率SE与分选效率理论最大值SE_max的比值，范围在大于0小于1之间；其中，所述的分选效率SE分别为各参比捕收剂对目标矿物的浮选回收率-脉石矿物回收回收率；SE_max＝100％-脉石矿的天然上浮率；

通过公式2计算各参比捕收剂的归一化复合性质指数PI’，

所述的Volume’为各参比捕收剂的归一化体积，即体积Volume与数据库中体积最大值Volume_max的比值；其中，所述的Volume为各参比捕收剂的体积；

所述的negSurArea’为各参比捕收剂的归一化负电荷表面积，即负电荷表面积negSurArea与数据库中负电荷表面积最大值negSurArea_max的比值；其中，所述的negSurArea为各参比捕收剂的负电荷表面积；