核极限学习机在浮选回收率中的研究与应用.pdf

《核极限学习机在浮选回收率中的研究与应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Vol_25，No．7第25卷第7期中国矿业2O16年7月CHINAMININGMAGAZINEJu1．2016核极限学习机在浮选回收率中的研究与应用王欢，徐鑫，鲁鹏云，张军，彭文娟(1．鞍钢集团矿业公司，辽宁鞍山114001；2．北京科技大学计算机与通信工程学院，北京100083；3．材料领域知识工程北京市重点实验室，北京100083)摘要：浮选回收率是浮选过程中重要的生产指标。需要通过人工检测得到的浮选回收率，可知性具有较大的时间延迟，使工人不能及时有效地对生产做出相应控制调整。由于浮选过程相当复杂，变量维数高

2、、关联性强、噪声大、检测信号不完备等因素，难以建立较精确的回收率预测模型。然而，人工智能与机器学习技术能在机理不清楚、信息不完备的情况下，对复杂系统建立基于数据驱动的经验模型。因此，本文为提高回收率检测的及时性、有效性，在分析浮选过程相关因素影响的基础上，提出基于核极限学习机建立浮选回收率的预测模型。仿真实验结果表明，该建模方法可有效辨识浮选过程中，输人数据与回收率测量值之间的非线性关系，且具有更高的预测精度与训练性能。关键词：核极限学习机；浮选回收率；人工智能；预测模型中图分类号：TD951文献标识码：A文章编号

3、：1004—4051(2016)07一Ol18-07ResearchandapplicationofkernelextremelearningmachineinflotationrecoveryrateWANGHuan，XUXin，LUPeng—yun，ZHANGJun，PENGWen-juan。’。(1．ANSTEELMining，Anshan114001，China；2．SchoolofComputerandCommunicationEngineering，UniversityofScienceandTechn

4、ologyBeijing，Beijing100083，China；3．BeijingKeyLaboratoryofMaterialsScienceKnowledgeEngineering，Beijing100083，China)Abstract：Theflotationrecoveryrateisanimportantindexintheprocessofflotation．Theflotationrecoveryrateisobtainedbymanualdetection，whichhasalargetimed

5、elay，SOthatworkerscannoteffectivelycontroltheproductiontOmakethecorrespondingadjustment．DuetOthecomplexityoftheflotationprocess，thehighvariabledimension，strongcorrelation，largenoiseandincompletedetectionsignal，itisdifficulttOestablishamoreaccuratepredictionmod

6、elofrecoveryrate．However，artificialintelligenceandmachinelearningtechnologycanestablishbasedondatadrivenmodelofcomplexsysteminthecaseofunknownmechanismandincompleteinformation．Therefore，inordertOimprovetheefficiencyandeffectivenessofthedetectionoftherecoveryra

7、te，thispaperproposesapredictionmodelbasedontheestablishmentoftheflotationrecoveryratebasedontheanalysisofthefactorsaffectingtheflotationprocess．Thesimulationresultsshowthattheproposedmethodcaneffectivelyidentifythenonlinearrelationshipbetweentheinputdataandthe

8、recoveryrate，andhashigherpredictionaccuracyandtrainingperformance．Keywords：kernelextremelearningmachine；flotationrecoveryrate；artificialintelligence；forecastingmodel回收率是重要的选矿指标，它反映