魏一鹏 常兵 佘爱平 孙昊 周蕾玲 陈光

魏一鹏 ¹ 常 兵 ^{2 *} 佘爱平 ² 孙 昊 ³ 周蕾玲 ² 陈 光 ¹

摘 要 本研究基于某矿山铜精矿中铅、砷、氟、镉、汞元素实验室检测数据，分析历次检测数据的含量特征、稳定性情况及元素间相关性。通过IBM SPSS Statistics对数据进行统计分析发现，铅、砷、氟、镉和汞5种元素含量均低于国家限值且具有一定稳定性，其中铅、镉之间相关性最明显，氟与其他元素的相关性整体最弱，研究结果为进一步优化铜精矿现场检验监管及实验室检测提供了参考。

关键词 矿山；铜精矿；有毒有害元素；统计分析

Statistical Analysis of Lead, Arsenic, Fluorine, Cadmium and Mercury in Copper Concentrate from a Certain Mine

WEI Yi-Peng ¹ CHANG Bing ^2* SHE Ai-Ping ² SUN Hao ³ ZHOU Lei-Ling ² CHEN Guang ¹

Abstract Based on the detection data of lead (Pb), arsenic (As), fluorine (F), cadmium (Cd) and mercury (Hg) in copper concentrate from a certain mine, this study analyzed the content characteristics, stability and inter-element correlation of the detection data from previous tests. Statistical analysis of the data using IBM SPSS Statistics revealed that the contents of the five toxic and harmful elements (Pb, As, F, Cd and Hg) were all below the national limits and had certain stability. Among them, the correlation between lead and cadmium was the most significant, while the correlation between fluorine and other elements was the weakest overall. The relevant conclusions provide a reference for the further optimization of on-site inspection supervision and laboratory testing of copper concentrate.

Keywords mine; copper concentrate; toxic and harmful elements; statistical analysis

铜是电力传输、电子设备、建筑管道等基础设施的重要材料，也是外贸“新三样”（电动载人汽车、锂电池、太阳能电池）发展的关键材料。本研究统计分析的检测数据源自某企业矿山铜精矿样品，该矿是斑岩铜矿床，原矿中的主要金属矿物是黄铜矿、黄铁矿，并伴生少量金、银，属于易选铜矿石。

1 取样检测与分析方法

1.1 取样检测情况

目前，我国进口铜精矿中有限量要求的有毒有害元素包括铅、砷、氟、镉、汞等5项，具体要求如下：铅（Pb）不得大于6.00%，砷（As）不得大于0.50%，氟（F）不得大于0.10%，镉（Cd）不得大于0.05%，汞（Hg）不得大于0.01%^2]。此次分析所有样本依据GB/T 14260—2010《散装重有色金属浮选精矿取样、制样通则》、GB/T 3884.5—2012《铜精矿化学分析方法 第5部分：氟量的测定 离子选择电极法》、GB/T 3884.18—2023《铜精矿化学分析方法 第18部分：砷、锑、铋、铅、锌、镍、镉、钴、铬、氧化铝、氧化镁、氧化钙量的测定 电感耦合等离子体原子发射光谱法》、GB/T 3884.20—2018《铜精矿化学分析方法 第20部分：汞量的测定 固体进样直接法》等标准严格进行取样、制样及测试。

1.2 分析工具方法介绍

本研究采用SPSS Statistics 29.0（IBM Corporation）作为核心数据分析工具，该软件在统计学领域具有广泛认可度，适用于实验数据的整理、可视化与量化分析。通过SPSS Statistics 29.0对数据进行整理与描述性统计，包括均值、最大值、方差、标准偏差、变异系数等参数的计算，使用图表生成与分布检验，包括直方图、正态Q-Q图等图表的制作。基于研究对象、样本数量、数据分布及线性协变关系等方面^[3-4]，执行皮尔逊相关性分析（Pearson Correlation Analysis）以检验变量之间关联程度^[5]。通过1000次拔靴法（Bootstrapping）重采样，量化数据统计量的不确定性并计算置信区间。软件的高效性与可视化功能为结果的可解释性提供了技术保障，其高素质的分析表现确保了分析结论的科学性。

2 数据统计分析结果

2021年12月—2025年3月，合肥海关技术中心铜原料及产品检测实验室共计对该矿的437个样品实施检测，有毒有害元素含量均未发现异常。

2.1 元素含量概况

437个样品检测数据统计结果见表1，由数据比较可知，有毒有害元素含量均显著低于国家限值，数据集中且稳定性高。含量安全边际充足，无超标风险：元素含量远低于限值，最大值与限值差距悬殊，实际含量极低，平均值均不足限值的20%。数据分布集中，波动性小：方差与标准偏差均极低，表明各批次元素含量差异较小，极小的95%置信区间范围进一步验证了数据一致性。

2.2 元素含量分析

2.2.1 铅含量分析

根据铅含量频率直方图（图1）和铅含量的正态 Q-Q 图（图2）可知，数据波动较明显，变异系数0.70较大，具有一定离散性。进一步观察直方图结合正态分布曲线拟合可得，铅含量值主要集中在0%～0.30%之间，分布形态明显右偏，呈正偏态分布，大多数样本集中在低含量区，但存在少量异常高值及个别高含量样本，可能是产区矿物局部富集或选矿工艺波动原因造成的。特定矿段可能富集方铅矿（PbS）或次生铅矿物（如铅矾PbSO₄），尤其是在构造破碎带或热液叠加区域，局部铅含量会异常升高；浮选药剂（如黄药类捕收剂）浓度或pH值异常，导致方铅矿过度富集，或细粒铅矿物因絮凝作用未能有效分散等原因也可能会出现铅含量异常值^6]。

2.2.2 砷元素含量分析

根据砷含量频率直方图（图3）和砷含量的正态 Q-Q 图（图4）可知，数据波动较明显，变异系数0.52较大，具有一定离散性。进一步观察直方图结合正态分布曲线拟合可得，砷含量值基本集中在0%～0.10%之间，分布形态明显右偏，呈正偏态分布，大多数样本集中在低含量区，但存在少量异常高值。可能是产区矿物局部富集或选矿选择性不足等原因所导致：毒砂（FeAsS）或砷黄铁矿（FeAsS₂）在某些矿层中呈团块状分布，或氧化带中砷酸盐（如臭葱石FeAsO₄·2H₂O）富集；浮选流程中砷矿物抑制失效（如石灰用量不足），导致毒砂随铜矿物进入精矿^[7-10]。

2.2.3 氟元素含量分析

根据氟含量频率直方图（图5）和氟含量的正态 Q-Q 图（图6）可知，变异系数0.11，数据波动极低、高度集中。进一步观察直方图结合正态分布曲线拟合可得，氟含量值集中在0.0125%～0.0225%之间，呈偏态分布。稳定的氟含量可能因该产区矿石本身氟含量低，叠加选矿工艺有效去除了残留氟，以及全流程质量控制，从开采、加工到检测均实施标准化管理，确保了成分稳定性。

图5 氟含量频率直方图

Fig.5 Frequency histogram of F content

2.2.4 镉元素含量分析

根据镉含量频率直方图（图7）和镉含量的正态 Q-Q 图（图8）可知，变异系数0.35，数据波动较低，相对稳定。进一步观察直方图结合正态分布曲线拟合可得，镉含量值基本集中在0%～0.01%之间，分布形态右偏较明显，呈正偏态分布。数据集中在左侧低值，符合多数检出含量少的标准，右侧尾部较长，右侧有少数极端高值，可能与闪锌矿共生，细粒矿物夹带，选矿设备中镉合金部件的腐蚀产物混入，或含镉尾矿再处理时的交叉污染有关。

2.2.5 汞元素含量分析

根据汞含量频率直方图（图9）和汞含量的正态 Q-Q 图（图10）可知，数据波动较明显，变异系数0.63较大，有一定离散性。进一步观察直方图结合正态分布曲线拟合可得，汞含量值基本集中在0～4 ppm之间，分布形态右偏较明显，呈正偏态分布。数据集中在左侧低值，符合多数检出含量少的标准，右侧尾部较长，右侧有少数极端高值，可能因为低温热液活动、选矿工艺缺陷、历史污染残留。辰砂（HgS）在浅成低温热液矿脉中局部富集，汞矿物因表面氧化或药剂活化（如氰化物）被意外浮选或重选流程中汞矿物因密度高而富集，矿区曾使用汞齐化法提金，残留汞污染矿石，或运输过程中接触含汞工业品（废旧电池）等，都会导致异常高值。

2.3 相关性分析

对5项元素进行了皮尔逊相关性分析，结果见表2。除显著性水平（双尾检验）外，结果还基于1000次拔靴法进行置信区间估计，以增强结果的稳健性和解释力。从整体相关矩阵来看，大多数元素均呈现不同程度的正相关关系，表明在成矿作用过程中可能存在一定的元素共生或富集特征。

2.3.1 铅与其他元素的相关性

铅与其他元素的相关性分析结果显示，其与镉的相关性最强（r = 0.885，p≤0.001），相关系数接近1，表明两者在统计学上的高度相似、共线性，存在地质成因与元素地球化学行为，选矿工艺的同步富集等方面原因。

铅与汞（r = 0.211，p≤0.001）和砷（r = 0.149，p = 0.002）之间也存在显著正相关，表明这些元素可能与铅存在一定的关系。

铅与氟的相关性（r = 0.083）虽为正，但未达统计显著水平（p = 0.082），其拔靴法95%置信区间（0.002,0.181）接近0，提示氟对铅的线性影响较弱。

2.3.2 砷与其他元素的相关性

砷与汞呈显著正相关（r = 0.207，p≤0.001），且与镉亦有中等程度正相关（r = 0.208，p≤0.001），提示这三者可能存在相关性。然而，砷与氟呈显著负相关（r = -0.138，p = 0.004），拔靴置信区间为（-0.217，-0.054），该负相关可能表明氟与砷在矿物中的分布方向不同。

2.3.3 汞、氟、镉之间的相关性

汞与镉之间存在显著正相关（r = 0.224，p≤0.001），而汞与氟之间的相关性较弱但仍具统计学意义（r = 0.114，p = 0.017），同时统计结果显示汞与多种元素存在协同变化趋势。镉作为与铅高度相关的元素，其与砷（r = 0.208）和汞（r = 0.224）亦显示出显著正相关，这表明镉的协同性。

氟除与砷呈负相关外，与其他元素的相关性整体偏弱，其中与镉的相关系数（r = 0.081）未达到显著性水平（p = 0.093），可能是因为矿物赋存形式的差异氟的独立矿物相、地球化学行为的差异性、选矿工艺的分离作用和环境与后生成因的干扰等原因。

3 结论

通过对上述检测数据统计分析发现：所有样品中铅、砷、氟、镉、汞元素含量均低于我国现行限值，分别在限值的0.4%～21.5%、1.5%～32.0%、12.0%～23.0%、3.6%～36.0%、0.1%～12.0%区间，均为低风险铜精矿^0]。相关元素正态性检验p值均小于0.001，结合直方图等可得知数据均不属于完全正态分布。铅与镉含量的相关性最强，两者在统计学上存在高度相似、共线性；氟含量变异系数最低，数据波动最低且高度集中，与其他元素的相关性整体最弱。

该铜精矿未发现有毒有害元素超标情况，表明在现行开采区域、加工工艺、包装运输等条件下该铜精矿品质优良、稳定。结合上述检测数据分析及口岸检验监管工作实际，笔者提出以下建议：

在优化检验监管方面，可基于企业信用等级、历史检验合格率，利用海关大数据平台，整合企业资质、矿源品质、运输路径、装运前检验等要素，进一步优化监管模式。

在优化实验室检测方面，通过对铜精矿样品制样过筛，减小粒度，再结合波长色散型X射线荧光光谱设备实现快速检测，检测时长较电感耦合等离子体原子发射光谱法降低20%～30%；基于该铜精矿历史检测数据，探索建立元素关联模型，仅检测代表性元素，其余元素通过算法推算，从而减少检测项目；进一步优化实验室信息管理系统，实现样品流转、数据同步和报告生成的全程数字化和智慧化，提升稳定性与时效性。

参考文献

[1]崔爽. 十一部门印发实施方案推动铜产业高质量发展[N/OL].科技日报. 2025-02-17. http://paper.people.com.cn/zgcsb/pad/conttent/202502/17/content_30057159.html.

[2]质检总局, 环境保护部, 商务部. 关于公布进口铜精矿中有毒有害元素限量的公告[J]. 中国对外经济贸易文告, 2017(74): 25.

[3] Field A. Discovering Statistics using IBM SPSS Statistics[M]. 2013: 348-351.

[4] Wiley, Rumsey D J. Statistics for dummies[M]. John Wiley & Sons, 2016: 282-286.

[5]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.

[6] Wills B A, Finch J. Wills’ mineral processing technology: an introduction to the practical aspects of ore treatment and mineral recovery[M]. Butterworth-heinemann, 2015: 272-274.

[7]于雪, 黄心廷, 杨长颖, 等. 铜精矿降砷及提高选矿指标的试验研究[J]. 有色金属(选矿部分), 2002(6): 15-18.

[8]甘永刚. 某含砷铜精矿铜砷分离选矿试验研究[J]. 有色金属(选矿部分), 2021(1): 66-71.

[9]王成行, 时晗, 胡真, 等. 高银砷铜粗精矿提质降杂浮选试验研究[J]. 矿冶工程, 2020, 40(6): 38-41.

[10]吴国境, 陈永欣, 韦星羽, 等. SPSS软件对进口铜精矿中品质元素含量的统计分析[J]. 中国口岸科学技术, 2021, 3(10): 53-62.

第一作者：魏一鹏（1991—），男，汉族，安徽郎溪人，本科，科长，主要从事口岸监管和进出口商品检验检疫工作，E-mail: jszxhkj@163.com

通信作者：常兵（1995—），男，汉族，安徽庐江人，本科，助理工程师，主要从事矿产品检验工作，E-mail: changbing@shcc.edu.cn

1. 铜陵海关 铜陵 244002

2. 合肥海关技术中心 合肥 230022

3. 合肥海关 合肥 230071

1. Tongling Customs, Tongling 244002

2. Hefei Customs Technology Center, Hefei 230022

3. Hefei Customs, Hefei 230071

表1 5项元素含量相关数据概况（%）

Table 1 Overview of the content-related data of five elements (%)

图3 砷含量频率直方图

Fig.3 Frequency histogram of As content

图4 砷含量的正态 Q-Q 图

Fig.4 Normal Q-Q plot of As content

图1 铅含量频率直方图

Fig.1 Frequency histogram of Pb content

图2 铅含量的正态 Q-Q 图

Fig.2 Normal Q-Q plot of Pb content

图6 氟含量的正态 Q-Q 图

Fig.6 Normal Q-Q plot of F content

图7 镉含量频率直方图

Fig.7 Frequency histogram of Cd content

图8 镉含量的正态 Q-Q 图

Fig.8 Normal Q-Q plot of Cd content

图9 汞含量频率直方图

Fig.9 Frequency histogram of Hg content

图10 汞含量的正态 Q-Q 图

Fig.10 Normal Q-Q plot of Hg content

表2 5项元素含量的相关性数据（%）

Table 2 Correlation data of the contents of five elements (%)

注: “**”表示在0.01级别 (双尾), 相关性显著; “*”表示在0.05级别 (双尾), 相关性显著; 除非另行说明, 否则拔靴法结果基于1000个拔靴法样本.