基于双隐含层BP神经网络的某金矿回收率预测研究

摘要

为掌握某金矿选矿工艺影响因素对金实际回收率的作用规律并预测金的回收率，采用正交试验方法开展了金矿浮选试验，通过Pearson系数分析金回收率对不同工艺因素的敏感性，并利用双隐含层BP神经网络对金回收率进行预测。结果表明：生产过程中金回收率对不同因素的敏感性由大到小依次为2^#油用量、Na2S用量、丁基黄药用量、CuSO4用量和磨矿细度。在此基础上，选用2^#油用量、Na2S用量和丁基黄药用量3个主要影响因素，使用不同隐含层激活函数的BP神经网络对金回收率进行预测。预测结果表明：当使用“logsig”作为激活函数时，其拟合度与精度较高，拟合优度R²为0.9792，相对平均误差仅为0.666%，说明该模型能够较好地预测金回收率。研究结果对贵金属矿山生产中金属回收率的预测有一定的参考意义。

关键词

BP神经网络 / Pearson系数 / 激活函数 / 影响因素 / 金矿 / 回收率