吴国境1 陈永欣1 韦星羽1 蔡始华1 李雄伟1

Statistical Analysis of Quality Elements in Imported Copper Concentrate by SPSS Software

WU Guo-Jing¹ CHEN Yong-Xin¹ WEI Xing-Yu¹ CAI Shi-Hua¹ LI Xiong-Wei¹

Abstract In this paper, the contents of valuation elements, impurity elements and harmful elements in 401 batches of imported copper concentrates from China from 2018 to 2020 from 21 importing countries and regions were statistically described, and analyzed with Bootstrap estimation, scatter diagram and histogram analysis, cluster analysis and other statistical methods. The analysis results showed that the valuation element of silver fluctuated greatly. The risk of excessive arsenic and fluorine in impurities and harmful elements is higher than that of cadmium, lead and mercury, and the risk of excessive lead is the lowest. The high risk countries (regions) are relatively fixed, mainly Peru, Chile, Mexico, Spain and other countries and regions. In addition, we should pay attention to the risk of excessive harmful elements in the mixed ore. Finally, preliminary risk suggestions are given based on the analysis results.

Keywords copper concentrate; statistical analysis; risk advice

铜是人类发现最早的金属之一，与人们生产生活有着密切联系，广泛应用于机械制造、电子芯片、国防工程等领域，特别是随着我国国民经济的增长，对于铜矿资源的需求量大幅增加。目前，我国已经成为全球第一大铜矿资源消费国，铜矿资源的对外依存度较高，2019年我国精炼铜消费量1255万t，铜矿自给率仅有23.82%。我国铜精矿资源缺乏，近十年铜精矿进口量逐年大幅递增。铜精矿主要产区有秘鲁、智利、刚果、伊朗、西班牙、中北美等国家和地区。

为更好地掌握我国进口铜精矿计价元素、有害元素和杂质元素含量的分布特征，了解进口铜精矿中各元素含量水平，本文选取具有代表性的21个国家和地区的铜精矿数据，共401批次，主要考察铜精矿中计价元素（铜、金、银）、有害元素（汞、镉、砷、铅、氟）和杂质元素（锌、铋、锑、硫、氧化镁）的分布情况，通过采用多元统计方法分析这些元素的整体质量水平，厘清不同国家（地区）及不同矿区铜精矿中元素含量水平，从而实现对目标元素的科学监控，建立一种风险评价体系，对进口铜精矿的风险识别及监管具有重要意义。

1 实验方法

1.1 数据来源

本次调查数据随机选取2018—2020年自防城口岸进口的共计401批铜精矿样品的计价元素（金、银、铜）、有害元素（汞、镉、氟、砷、铅）相关指标，其中，包括199批铜精矿样品杂质元素（锌、铋、锑、氧化镁、硫）相关指标。

1.2 样品检测方法

取制样标准依据GB/T 14263-2010《散装浮选铜精矿取样、制样方法》，所有品质元素均采用对应的国家标准。

2 数据统计分析与结果

2.1 统计学描述

SPSS 是一款统计产品与服务解决方案的软件，具有很强的统计学描述功能^[1]，能完成包括最大值、最小值、平均值、标准差、方差、峰度的统计^[2]。

从表1和表2中可以看出各元素的相关特征。计价元素中银的方差很大，说明与金、铜相比，其波动幅度较大；有害元素中铅的方差比其他有害元素大，说明与其他有害元素相比，其波动幅度较大；同理，杂质元素中硫的波动幅度也较大^[3]。砷、锌的峰度为负值，说明相对于正态分布，观察值聚集少且尾部较厚；其他元素的峰度为正值，说明相对于正态分布，数据的观察值更多地向中心聚集，其中氟的峰度值最高，说明氟的值多分布于其均值两侧且相差不大^[4]。

2.2 样本元素含量Bootstrap估计

通过对实验样本数据的Bootstrap重新取样模拟，可对大量取样后新构成样本集的代表值做出估计，同时给出估计值标准偏差及置信区间等统计参数^[5]。Bootstrap重新取样理论认为，Bootstrap重新取样样本的数值分布符合样本总体分布形态，Bootstrap样本数值分布的均值与标准偏差与样本总体一致，因此，可以用符合正态分布的Bootstrap重新取样样本分布的均值与标准偏差作为有限单次样本代表值的稳健估计^[6]。使用Bootstrap对数据进行多次模拟重复取样，在模拟原始数据样本集大量取样的基础上，获得稳健的进口铜精矿有害元素、计价元素、杂质元素代表值估计和标准偏差^[7]。

对含量代表值进行Bootstrap模拟取样法重新取样估计，取样次数采用缺省值1000次。研究表明，这一取样次数对绝大多数Bootstrap模拟取样法应用都有足够精度^[8]。自举标准误差（Bootstrap standard error）是表征Bootstrap 样本分布标准偏差的统计量^[9]。本文采用Bootstrap统计方法描述统计学特征，具体统计量，见表3和表4。

Bootstrap方法给出的铜精矿相关元素代表值可表示为：Au 2.88±0.20 g/t；Ag 131.31±7.27 g/t；Cu 25.23%±0.20%；As 0.17014%±0.00736%；Cd 0.008109%±0.000387%；Pb 0.3898%±0.0306%；Hg 0.000940%±0.000063%；F 0.02962%±0.00146%； Zn 1.3808%±0.0954%；Sb 0.03574%±0.00266%；Bi 0.02416%±0.00325%；MgO 0.6841%±0.0591%；S 32.1394%±0.2488%；Fe 26.6955%±0.2254%。

2.3 不同国家和地区元素散点图分析

抽取的样品涉及21个国家和地区，分别将汞、镉、砷、铅、氟的含量水平与原产国（地区）绘制散点图（例如：图1为砷的散点图，图2为氟的散点图）。图中红色横线为原国家质检总局、原环境保护部、商务部2017年第106号公告中限量值，具体为汞（Hg）不得大于0.01%，镉（Cd）不得大于0.05%，砷（As）不得大于0.50%，铅（Pb）不得大于6.00%，氟（F）不得大于0.10%^[10]。在所抽取的401批铜精矿中，汞、镉、铅没有超出限值的情况，砷、氟均有超标的情况，其中，墨西哥存在砷超标的案例，刚果存在氟超标的案例。从散点图可知，汞的高风险国家有秘鲁和智利；镉的高风险国家有墨西哥和智利；砷的高风险国家有秘鲁、墨西哥、西班牙和多米尼加；铅的高风险国家为南非，其他国家和地区的含量都偏低，低于限量值一半以上；氟的高风险国家有秘鲁、墨西哥和多米尼加。

图1 砷含量-原产国（地区）散点图

Fig.1 Arsenic content-country (region) scatter plot

分别将金、银、铜计价元素和杂质元素的含量水平与原产国（地区）绘制散点图（例如：图3为银含量的散点图，图4为锑＋铋含量的散点图）。图4中红色横线为行业标准YS/T 318-2007中锑＋铋的限量值，具体为Pb＋Zn不得大于12%，MgO不得大于5%，Bi＋Sb不得大于0.6%^[11]。在所抽取的199批含有杂质元素含量数据的铜精矿中，杂质元素没有超出限值的情况。从杂质元素含量看，锑＋铋的高风险国家有秘鲁和墨西哥，氧化镁的高风险国家为秘鲁，铅＋锌的高风险国家也是秘鲁；从计价元素含量看，银含量的波动幅度较大，从15 g/t到900 g/t，而金和铜的含量波动幅度较小。

图4 锑＋铋含量-原产国（地区）散点图

Fig.4 Antimony＋Bismuth content-country (region) scatter diagram

2.4 不同矿区有害元素含量分析散点图

根据不同国家和地区有害元素含量分析结果得知，从秘鲁、智利、墨西哥、西班牙等国家进口的铜精矿存在较高的有害元素超标风险。为进一步了解哪个矿区风险较高，分别对这几个国家进口铜精矿有害元素的含量水平与矿区绘制散点图（例如：图5为秘鲁矿区砷的散点图）。其中，混矿是指出口国将2批来自不同国家或矿区的铜精矿进行混合后再出口到我国，以符合我国铜精矿有害元素的限定标准。图中实线为公告中限量值，虚线为限量值的80%，如含量超过限量值的80%，则定义为高风险国家或地区。结合数据和散点图可知：（1） 砷含量超标风险高的矿区有秘鲁condestable矿区、秘鲁混矿、墨西哥Kupari矿区、墨西哥混矿、西班牙矿区、多米尼加矿区；（2） 镉含量超标风险高的矿区为智利Calcine矿区；（3） 氟含量超标风险高的矿区有秘鲁condestable矿区、秘鲁混矿、墨西哥混矿；（4） 不存在铅含量和汞含量超标风险高的矿区。

图5 砷含量-矿区散点图（秘鲁）

Fig.5 Arsenic content-scatter map of mine area (Peru)

2.5 聚类分析

聚类分析是一种多元统计分析方法，是根据物以类聚的道理，对样品或指标进行分类。聚类是将数据分类到不同的类或者簇的过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的差异性。铜精矿中常伴生有汞、镉、砷、铅、氟等有害元素^[12]，在储运、冶炼过程中，存在污染土壤、水源、大气环境的情况，这对于我国环境保护也是一个无法回避的问题^[13]。为更好地了解全球主要进口原产国（地区）的有害元素含量情况，本文将不同原产国（地区）的进口铜精矿中有害元素含量数据汇总后进行两步聚类分析。

以原产国（地区）作为分类变量，将砷、铅、汞、氟、镉含量作为连续变量进行两步聚类分析，从表5、表6、表7和图6可以看出，总共有6个变量，最佳聚类数为4类，聚类效果尚可。4个分类中，第3类区域的有害元素含量比其他3类的值都整体偏高，第1类区域中汞有害元素含量水平整体较高，第2类区域中各类有害元素含量的整体水平相对较低。在所有统计的401批铜精矿中，分布在第1类的有106批，分布在第2类的有134批，分布在第3类的有87批，分布在第4类的有74批。分布在第1类的进口国家和地区主要是智利，分布在第2类的进口国家和地区有秘鲁、老挝、刚果、菲律宾、中美洲地区等，分布在第3类的进口国家和地区有秘鲁、墨西哥、西班牙、多米尼加等。

表5 聚类分布统计表

Table 5 Statistical table of cluster distribution

图6 铜精矿有害元素聚类分析模型

Fig.6 Clustering analysis model of harmful elements in copper concentrate

3 结论

从SPSS统计分析图表可知，计价元素中银的波动幅度较大，有害元素中铅的波动幅度较大，杂质元素中硫的波动幅度较大；砷和氟超标的风险高于镉、铅、汞，其中铅超标的风险最低；风险高的国家主要是秘鲁、智利、墨西哥、西班牙；还要关注进口次数较少的国家和地区，如从多米尼加、西班牙进口铜精矿的次数较少，但元素超标的概率很大。另外，要关注混矿元素超标的风险，根据统计样本发现，混矿的有害元素含量普遍高于一般的矿区，且接近或超过限量值的80%。

通过对收集数据的科学分析，掌握不同国家和地区进口铜精矿中有害元素富存水平和对环境安全可能造成影响的风险程度，便于对这些元素存在的潜在风险进行科学监控。建议建立一种行之有效的铜精矿中有害元素风险评估体系，将不同来源地的铜精矿按风险管理进行高、中、低分类（高风险为国家限量的80%以上，中风险为国家限量的60%～80%，低风险为国家限量的60%以下），防止高风险铜精矿进入我国。

基金项目：防城港市科学研究与技术开发项目（防科AB20014039）

第一作者：吴国境（1990—），男，壮族，广西防城港人，硕士，主要从事进出口商品检验，E-mail: 160529371@qq.com

1.防城海关 防城港 538001

1. Fangcheng Customs, Fangchenggang 538001

表1 进口铜精矿计价元素和有害元素的描述性统计分析

Table 1 Valuation elements and harmful elements in imported copper concentrates

表2 进口铜精矿杂质元素的描述性统计分析

Table 2 Impurity elements in importedcopper concentrate

表3 进口铜精矿计价、有害元素描述统计量

Table 3 Pricing and harmful elements statistic

表3（续）

表4 进口铜精矿杂质元素描述统计量

Table 4 Statistics of impurity elements in imported copper concentrate

图2 氟含量-原产国（地区）散点图

Fig.2 Fluoride content-country (region) scatter plot

图3 银含量-原产国（地区）散点图

Fig.3 Silver content-country (region) scatter diagram

表6 原产国（地区）聚类分布统计表

Table 6 Statistical table of country (region) clustering distribution

表6（续）

表7 有害元素聚类分布统计表

Table 7 Statistical tableof harmful element cluster distribution

参考文献

[1] 任春生, 付冉冉, 王艳, 等. SPSS软件对铁矿中微量元素含量的统计分析[J]. 化学分析计量, 2014, 23(2): 80-84, 93.

[2] 初忠江, 秦立俊, 张依丽. 进口铬矿石中汞元素含量检测与统计分析[J]. 铁合金, 2019, 50(5): 35-38.

[3] 陈永欣, 袁永飞, 唐书天, 等. 我国进口铜精矿有害元素统计分析[J]. 铜业工程, 2014(5): 93-100.

[4] 刘曙, 李晨, 诸秀芬, 等. 上海口岸进口煤炭总汞含量的分布特征[J]. 岩矿测试, 2014, 33(5): 730-736.

[5]初忠江,秦立俊,张依丽. 进口铬矿石中汞元素含量检测与统计分析[J]. 铁合金, 2019, 50(5): 35-38.

[6] 任春生, 付冉冉, 王艳, 等. 谈进口铁矿石中的有害元素[J]. 金属矿山, 2007(4): 6-8, 22.

[7] 许德娟, 陈永欣. 2016年防城港口岸进口铜精矿质量分析与探讨[J]. 大众科技, 2017, 19(4): 30-31.

[8] 纪雷,林雨霏,孙健,等. 我国进口铁矿石有害元素含量代表值估计及整体特征分析[J]. 分析试验室, 2007, 26(6): 58-61.

[9] 张鸟飞,陈雯,穆卫华,等.进口铁矿石中有害元素的检测与评价[J].现代矿业, 2016, 32(5): 86-87.

[10] 质检总局发布公告明确进口铜精矿中有毒有害元素限量[J].中国有色冶金, 2018, 47(1): 88.

[11] 侯晋, 窦怀智, 吕翔. 我国进口铜精矿检验方法的研究进展[J]. 理化检验(化学分册), 2010, 46(10): 1229-1232.

[12] 苏海民, 何爱霞, 袁新田. 应用物元分析法评价矿区周边土壤重金属污染的变化[J]. 土壤通报, 2016, 47(1): 173-178.

[13] 崔俊学, 刘丽. 土壤中氟的形态与危害[J]. 广州化工, 2009, 37(9): 16-17, 28.

（文章类别：CPST-B）