本发明公开一种矿物
浮选过程指标的在线预测方法,首先基于关联K近邻(KNN)对样本缺失数据进行插补,再利用皮尔逊相关系数和显著性检验的方法进行特征筛选;然后建立基于时滞反馈网络(NARX)的浮选品位预测子模型,并将
浮选机理和数据分析相结合,共同决定网络的时滞和反馈阶次;最后,以NARX为基学习器,支持向量回归(SVR)为次级学习器,建立基于NARX和SVR的stacking集成学习浮选品位预测模型。本发明用于
铝土矿实际生产过程精矿品位和
尾矿品位的预测,均方根相对误差分别为4.41%和5.19%,平均相对误差分别为3.62%和4.08%。
声明:
“矿物浮选过程指标的在线预测方法” 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)