基于改进人工鱼群算法的浮选精矿品位与回收率预测研究

发布时间：2020-12-14 01:04

　　浮选生产过程中的精矿品位与回收率的在线预测对提高浮选生产质量及优化生产流程有重要意义。由于浮选机理复杂,浮选过程存在着非线性和大滞后、且由于生产环境恶劣,昂贵的测量仪器无法长期稳定工作,直接对回收率和精矿品位进行在线检测具有一定的难度,因此采用软测量技术,借助浮选过程中与精矿品位和回收率之间存在联系的辅助变量来建立数学模型,是实现浮选精矿品位与回收率的实时在线预测的有效途径。本文以浮选数据预处理、支持向量机软测量建模和改进智能优化算法的浮选模型优化技术为主要研究内容,构建了浮选预测模型,解决了浮选精矿品位与回收率的在线预测问题,为浮选的生产过程控制提供理论指导。(1)针对于浮选生产过程的影响因素,本文采取主元分析法(PCA)对主要的影响因素进行主元提取,提取三个主要影响参数。通过PCA与归一化对数据进行处理,降低数据的维度,来提高模型的预测精度。(2)本文选择支持向量机作为预测模型,支持向量机利用输入与输出之间的关系,建立连续的函数映射,通过不敏感损失函数与惩罚函数对样本数据进行拟合,再通过核函数进行映射,最终建立回归预测模型。(3)通过对人工鱼群算法(AFSA)进行改进,改进人工鱼群... 

【文章来源】：辽宁科技大学辽宁省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

弓长岭浮选工艺流程图

浮选现场图

辽宁科技大学硕士学位论文23图3.2最优超平面Fig.3.2Optimalhyperplane设定一个n维的样本集：(,)|;1,1,1,2,...,niiiixyxRyij（3.7）在式（3.7）中，xi代表的是训练集中的特征向量。通过对给定的数据集作二值分类，去寻找最优超平面H，最优超平面H在n维空间下的表达式如下：w,xb0（3.8）在上式中，w为系数向量；x是n维的变量；b为一个常数量。所以，在空间中的点xi至最优超平面H的距离如下式表示：,(,)iwxbdxHw（3.9）在求解点与最优超平面的距离(,)idxH时，当距离最大的情况下，21/2w就是最小的，因此就可以将求解最优超平面的问题从而转变为求解极值问题，表示为：21min2(,)1,1,2,,iiwywxbil（3.10）


本文编号：2915512