[发明专利]一种浮选过程浮精品位的动态预测方法及系统

权利要求书

1.一种浮选过程浮精品位的动态预测方法，其特征在于，包括：

获取浮选过程中的浮选数据，对所述浮选数据进行分析、训练建立集成学习模型；

获取浮选过程中新的浮选数据，对所述新的浮选数据进行分析，并调用已建立的集成学习模型预测浮精品位。

2.根据权利要求1所述的方法，其特征在于，所述获取浮选过程中与浮精品位相关的浮选数据，对所述浮选数据进行分析、训练建立集成学习模型包括：

按照预设的时间间隔采集浮选过程中的浮选数据，形成浮精品位案例浮选数据库；

对浮精品位案例浮选数据库中的浮选数据进行预处理，所述预处理包括：归一化处理、异常值处理、缺失值处理及去除噪声；

对预处理后的所述浮选数据的浮选数据属性与浮精品位进行相关性分析，提取与浮精品位相关的浮选数据属性；

对提取的所述浮选数据属性进行主成分分析选取主成分个数，对所述浮选数据进行降维；

对降维后的所述浮选数据进行训练建立集成学习模型。

3.根据权利要求2所述的方法，其特征在于，所述提取与浮精品位相关的浮选数据属性包括：

根据相关系数公式确定相关度，将相关度超过预设阈值的浮选数据属性提取出来，作为预测浮精品位的参数。

4.根据权利要求2所述的方法，其特征在于，所述对降维后的所述浮选数据进行训练建立集成学习模型包括：

将降维后的所述浮选数据作为训练集，对所述训练集进行抽样随机产生所述训练集的k个训练子集；

将k个ELM算法分别应用于所述k个训练子集得到k个ELM模型，所述k个ELM模型组成所述集成学习模型；

将k个ELM模型输出结果的平均值作为所述集成学习模型的预测结果。

5.根据权利要求1所述的方法，其特征在于，所述根据已建立的集成学习模型预测浮精品位包括：

对已获取的浮选过程中的新的浮选数据进行预处理、相关性分析和主成分分析；

根据主成分分析后的新的浮选数据，调用已建立的集成学习模型预测浮精品位。

6.一种浮选过程浮精品位的动态预测系统，其特征在于，包括：

模型建立单元，用于获取浮选过程中的浮选数据，对所述浮选数据进行分析、训练建立集成学习模型；

浮精品位预测单元，用于获取浮选过程中新的浮选数据，对所述新的浮选数据进行分析，并调用已建立的集成学习模型预测浮精品位。

7.根据权利要求6所述的系统，其特征在于，所述模型建立单元包括：

浮选数据库形成模块，用于按照预设的时间间隔采集浮选过程中的浮选数据，形成浮精品位案例浮选数据库；

预处理模块，用于对浮精品位案例浮选数据库中的浮选数据进行预处理，所述预处理包括：归一化处理、异常值处理、缺失值处理及去除噪声；

相关性分析模块，用于对预处理后的所述浮选数据的浮选数据属性与浮精品位进行相关性分析，提取与浮精品位相关的浮选数据属性；

主成分分析模块，用于对提取的所述浮选数据属性进行主成分分析选取主成分个数，对所述浮选数据进行降维；

建立模型模块，用于对降维后的所述浮选数据进行训练建立集成学习模型。

8.根据权利要求7所述的系统，其特征在于，所述相关性分析模块，还用于根据相关系数公式确定相关度，将相关度超过预设阈值的浮选数据属性提取出来，作为预测浮精品位的参数。

9.根据权利要求7所述的系统，其特征在于，所述建立模型模块包括：

随机抽样子模块，用于将降维后的所述浮选数据作为训练集，对所述训练集进行抽样随机产生所述训练集的k个训练子集；

建立模型子模块，用于将k个ELM算法分别应用于所述k个训练子集得到k个ELM模型，所述k个ELM模型组成所述集成学习模型；

输出预测结果子模块，用于将k个ELM模型输出结果的平均值作为所述集成学习模型的预测结果。

10.根据权利要求6所述的系统，其特征在于，所述浮精品位预测单元包括：

处理分析模块，用于对已获取的浮选过程中的新的浮选数据进行预处理、相关性分析和主成分分析；

预测模块，用于根据主成分分析后的新的浮选数据，调用已建立的集成学习模型预测浮精品位。