本发明提供一种基于集成学习的
浓密机底流浓度预测方法,属于
采矿技术领域。该方法获取实际生产历史记录数据,存储于企业数据库中,然后对获取到的数据集进行预处理,再使用预处理后的数据构造训练集和测试集;并采用集成学习方法,利用上述构造好训练集和测试集进行模型的建立,实现对
深锥浓密机的底流浓度的精确预测,最后将预测的结果通过可视化平台展示出来。该方法能够比较综合的考虑影响底流浓度的绝大多数因素,以解决目前底流浓度预测模型考虑影响因素时片面不充分的瓶颈问题。并使用集成学习模型,解决单一的机器学习模型学习能力有限,不能处理大规模数据的问题,从而为浓密机的控制提供更有效且准确的参考。
声明:
“基于集成学习的浓密机底流浓度预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)