基于ISSA-HKLSSVM的浮选精矿品位预测方法

摘要

针对浮选过程变量滞后、耦合特征及建模样本数量少所导致精矿品位难以准确预测的问题，提出了一种基于改进麻雀搜索算法（Improved Sparrow Search Algorithm,ISSA）优化混核最小二乘支持向量机（Hybrid Kernel Least Squares Support Vector Machine,HKLSSVM）的浮选过程精矿品位预测方法 .首先采集浮选现场载流X荧光品位分析仪数据作为建模变量并进行预处理，建立基于最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）的预测模型，以此构建新型混合核函数，将输入空间映射至高维特征空间，再引入改进麻雀搜索算法对模型参数进行优化，提出基于ISSA-HKLSSVM方法实现精矿品位预测，最后开发基于LabVIEW的浮选精矿品位预测系统对本文提出方法实际验证.实验结果表明，本文提出方法对于浮选过程小样本建模具有良好拟合能力，相比现有方法提高了预测准确率，可实现精矿品位的准确在线预测，为浮选过程的智能调控提供实时可靠的精矿品位反馈信息.

关键词

浮选 / 精矿品位 / 最小二乘支持向量机 / 改进麻雀搜索算法 / 预测模型