基于多模型和粒子群優(yōu)化算法的精礦產(chǎn)量預(yù)報(bào)模型.pdf

1、選礦過(guò)程是一個(gè)將原礦石經(jīng)過(guò)物理/化學(xué)變化使有用礦物富集的流程工業(yè)過(guò)程。通常包括磨礦、焙燒和磁選（浮選）等工序，每道工序加工處理后都有不同的產(chǎn)品質(zhì)量或生產(chǎn)效率的衡量指標(biāo)，稱(chēng)為工藝指標(biāo)，而衡量一天或一個(gè)班組整個(gè)選礦流程的指標(biāo)稱(chēng)為全流程生產(chǎn)指標(biāo)，包括精礦產(chǎn)量、品位以及金屬回收率，生產(chǎn)工況條件代表當(dāng)前設(shè)備運(yùn)行狀態(tài)和原礦性質(zhì)等對(duì)生產(chǎn)過(guò)程產(chǎn)生不同限制的約束指標(biāo)。建立全流程生產(chǎn)指標(biāo)中精礦產(chǎn)量和工藝指標(biāo)的預(yù)報(bào)模型即建立各個(gè)工序工藝指標(biāo)與綜合精礦產(chǎn)量之間

2、關(guān)系的數(shù)學(xué)模型具有重要的實(shí)際意義和理論價(jià)值。全流程生產(chǎn)指標(biāo)通常不能在線檢測(cè)，而化驗(yàn)檢測(cè)的時(shí)間較長(zhǎng)，若生產(chǎn)的精礦不能夠滿足產(chǎn)量、品位以及金屬回收率的要求，不能實(shí)時(shí)調(diào)整整個(gè)生產(chǎn)過(guò)程，需要等到化驗(yàn)結(jié)果出來(lái)以后再做決策，不能保證整個(gè)過(guò)程的實(shí)時(shí)控制。本文建立的模型便于分析工藝指標(biāo)與精礦產(chǎn)量之間的影響關(guān)系，使得工藝技術(shù)人員更好的控制與操作選礦生產(chǎn)過(guò)程，并為選礦生產(chǎn)全流程的運(yùn)行優(yōu)化、提高產(chǎn)品產(chǎn)量打下基礎(chǔ)。
　　本文依托國(guó)家自然科學(xué)基金“動(dòng)態(tài)環(huán)境

3、下復(fù)雜工業(yè)全過(guò)程多工序工藝指標(biāo)閉環(huán)優(yōu)化決策方法”，提出了一種新的自適應(yīng)混沌粒子群優(yōu)化算法，有效解決了支持向量機(jī)參數(shù)優(yōu)化和特征選擇的問(wèn)題，并將其應(yīng)用到精礦產(chǎn)量預(yù)報(bào)模型中;針對(duì)選礦的多工況特性，提出了一種基于多模型的產(chǎn)量預(yù)報(bào)模型結(jié)構(gòu)，并通過(guò)現(xiàn)場(chǎng)數(shù)據(jù)驗(yàn)證了所建立模型的有效性。本文的主要研究工作如下:
　　(1)提出了自適應(yīng)混沌粒子群優(yōu)化算法，并將其應(yīng)用到支持向量機(jī)建模中針對(duì)粒子群優(yōu)化算法優(yōu)化參數(shù)和特征選擇易陷入局部最優(yōu)的問(wèn)題，引入了混沌

4、算子替代原算法進(jìn)化速度公式中的隨機(jī)數(shù)，提高了其全局搜索能力。同時(shí)，為了得到更優(yōu)的解，當(dāng)適應(yīng)度函數(shù)在一定代數(shù)未發(fā)生變化時(shí)，在當(dāng)前最優(yōu)點(diǎn)的鄰域網(wǎng)格內(nèi)產(chǎn)生網(wǎng)格粒子，以提高算法的局部搜索能力。將這種算法應(yīng)用到支持向量機(jī)建模中，并通過(guò)標(biāo)準(zhǔn)問(wèn)題測(cè)試，表明所提方法的有效性。
　　(2)建立了基于最小二乘支持向量機(jī)和自適應(yīng)混沌粒子群優(yōu)化算法的精礦產(chǎn)量預(yù)報(bào)模型.
　　針對(duì)選礦過(guò)程涉及復(fù)雜的物理化學(xué)反應(yīng)，工藝指標(biāo)和精礦產(chǎn)量之間難以用機(jī)理方式建模

5、的問(wèn)題，將本文第二章提出的建模方法應(yīng)用到精礦產(chǎn)量預(yù)報(bào)。采用自適應(yīng)混沌粒子群優(yōu)化算法來(lái)優(yōu)化最小二乘支持向量機(jī)的核函數(shù)參數(shù)、懲罰系數(shù)并選擇輸入特征，有效提高建模的精度和速度。通過(guò)對(duì)比傳統(tǒng)的grid search+PCA，GA+PCA，PSO+PCA和PSO+BPSO等優(yōu)化方法，表明自適應(yīng)混沌粒子群優(yōu)化算法具有更高的精度，從而驗(yàn)證了所建立模型的有效性。
　　(3)建立了基于多模型的精礦產(chǎn)量預(yù)報(bào)模型
　　針對(duì)選礦過(guò)程的多工況特性，提

6、出了基于多模型的建模方法。在這種結(jié)構(gòu)中，本文采用了模糊最大相似估計(jì)聚類(lèi)算法，它可以辨識(shí)不同空間分布的數(shù)據(jù)，提高了工況辨識(shí)的結(jié)果，同時(shí)，局部模型結(jié)構(gòu)采用多核最小二乘支持向量機(jī)，由于不同的核函數(shù)代表不同的映射類(lèi)型，通過(guò)加權(quán)核函數(shù)，可以辨識(shí)更復(fù)雜的非線性關(guān)系。通過(guò)對(duì)比傳統(tǒng)的TSK模糊模型和多神經(jīng)網(wǎng)絡(luò)模型，表明其具有更高的精度，從而驗(yàn)證了這種方法的有效性。另外，本文將多模型的方法和第三章的方法進(jìn)行了對(duì)比研究，結(jié)果表明多模型的方法具有更高的精度。