本發明公開一種礦物浮選過程指標的在線預測方法,首先基于關聯K近鄰(KNN)對樣本缺失數據進行插補,再利用皮爾遜相關系數和顯著性檢驗的方法進行特征篩選;然后建立基于時滯反饋網絡(NARX)的浮選品位預測子模型,并將浮選機理和數據分析相結合,共同決定網絡的時滯和反饋階次;最后,以NARX為基學習器,支持向量回歸(SVR)為次級學習器,建立基于NARX和SVR的stacking集成學習浮選品位預測模型。本發明用于鋁土礦實際生產過程精礦品位和尾礦品位的預測,均方根相對誤差分別為4.41%和5.19%,平均相對誤差分別為3.62%和4.08%。
聲明:
“礦物浮選過程指標的在線預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)