基于先进LS．SvM浮选回收率预测方法的研究.pdfVIP

基于先进基于先进 LS-SVM 浮选回收率预测方法的研究浮选回收率预测方法的研究 基于先进基于先进 浮选回收率预测方法的研究浮选回收率预测方法的研究 张勇 ，刘潭 辽宁科技大学 电子与信息工程学院, 辽宁鞍山 114051 E-mail: liutan_0822@126.com 摘 摘 要要：在大多选矿厂中，针对传统检测浮选回收率的方法准确度低的缺点，依 摘摘 要要 据反映回收率的基本因素，本文出一种基于改进加权的 LS-SVM 浮选回收率软测 量模型。首先取浮选泡沫图像特征并挖掘出它们与浮选回收率存在着一定的对 应关系，之后采用模糊 C-均值聚类方法进行特征数据处理，处理后的图像特征值 作为模型输入，最后采用遗传算法进行模型参数优化。测试结果表明，采用改进 后的算法建立的预测模型可以克服标准 LS-SVM算法和参数优化的一些不足，得到 更好的预测效果，为浮选过程的操作优化及浮选作业稳定运行供了有力保障。 关键词关键词：泡沫图像，模糊 C-均值聚类，LS-SVM ，回收率，预测模型 关键词关键词 中图分类号中图分类号：TP301 文献标识码文献标识码：A 中图分类号中图分类号 文献标识码文献标识码 The research of the prediction of flotation recovery based on improved LS-SVM Yong ZHANG , TanLiu School of Electronic and Information Engineering, Liaoning University of Science and Technology Anshan 114051 E-mail: liutan_0822@126.com Abstract: Aiming at the shortcoming of traditional method that measurement of flotation recovery in most of the concentrator. A flotation recovery forecasting soft-sensor model based on the fundamental factors that reflecting the flotation recovery is researched. First of all, the paper extracted the characteristics of the field of foam image and dug out them existed certain corresponding relation with flotation recovery. Then, data of image features as model input is disposed by FCM. Finally the regulating parameters are optimized by GA. Test results show that the improved model can overcome some shortages of standard LS-SVM algorithm, acquire better prediction results which provided a strong guarantee for operation optimization and stable operation of flotation