基于MARNet与特征工程融合的浮选精煤灰分预测方法

摘要

【目的】基于浮选泡沫图像预测精煤灰分是浮选智能化控制的核心方法之一。针对现有图像特征表征维度不全面、多源信息融合不足导致的预测精度受限问题，提出了一种融合多通道注意力回归网络（MARNet）与特征工程的浮选精煤灰分预测方法。【方法】首先构建多种颜色空间图像输入的MARNet，利用注意力机制从不同颜色空间图像中关注不同的泡沫信息，同时基于极限梯度提升（XGBoost）算法，从形态、颜色、纹理及频域四个方面构建特征工程灰分预测模型，建立贝叶斯动态加权融合策略，基于后验概率优化准则自适应分配MARNet与XGBoost的预测权重，形成优势互补的协同预测机制。【结果】实验结果表明：MARNet与特征工程融合模型的预测性能显著优于传统方法，其决定系数（R²）为0.969 1，平均绝对误差为0.126 4%，均方根误差（RMSE）为0.216 1%，相比于单一模型预测的RMSE分别降低了70.90%和25.22%，显著提升了预测精度，验证了这种方法在浮选过程智能控制中的有效性。

关键词

浮选精煤 / 灰分预测 / 特征提取 / 多通道注意力回归网络 / XGBoost / 贝叶斯平均