一种精矿产量在线预测方法
【专利摘要】一种精矿产量在线预测方法，该方法包括：步骤1：采集选矿各工序的工艺指标数据及相应的精矿产量实际值；步骤2：对已采集的选矿各工序的工艺指标数据及相应的精矿产量实际值进行组合处理；步骤3：在线实时预测精矿产量值；本发明方法基于参数自整定，在选矿生产过程中采集的各工序的工艺指标数据更新后及时加入训练样本集中参与训练，实现模型的在线更新；根据各工序的工艺指标数据自身属性的不同，自适应调整精矿产量预测模型的参数，实现模型参数的在线修改，可以使预测模型更好的适应多变的工况条件，进一步提高了精矿产量的预测精度，选矿工程师可以给出更加合理的决策，从而使得企业效益最大化。
【专利说明】一种精矿产量在线预测方法
【技术领域】
[0001]本发明属于预测控制领域，具体涉及一种精矿产量在线预测方法。
【背景技术】
[0002]选矿过程是一个极其复杂的工业过程，涉及到竖炉、磨矿及磁选等多选矿过程工序，同时各个工序之间交互耦合，涉及物理、化学等多个领域，而选矿过程中精矿产量的预测结果是选矿过程岗位工人生产操作及工程师调整生产计划指标的重要决策依据，如果不能根据当前的生产工况来精确的预测精矿产量，就会严重影响精矿产量的实际生产值。可以说，精矿产量的预测结果对选矿厂的实际精矿生产产量和岗位平稳操作有着重要影响。但是，选矿过程中的精矿产量难以实时获得，而是要经过一段时间生产累加后才能获得，在整个生产过程中具有一定的滞后性，因此，就需要使用精矿产量预测技术。
[0003]传统的精矿产量预测方法，虽然在选矿过程中获得了一定应用，但是其是根据历史生产数据通过分批次训练建立产量预测模型，然后用得到的预测模型预测当前变化工况下的精矿产量。因为历史生产数据为离线数据，而离线数据建立的模型面临的问题是随着新工况样本数据的到来，预测模型并没有得到实时更新，而仍然用历史数据来预测新样本，因此，随着工况条件的变化其预测精度也会随着发生变化，甚至变得较差。另外，即使有些预测模型是采用的在线训练、在线预测的方法，比如在线支持向量机的预测方法，但是传统的基于在线支持向量机的选矿过程精矿产量预测模型中的惩罚参数C是固定不变的，也就是说当训练误差超过软间隔ε时，模型将会对样本给予同等力度的惩罚，即将样本重要性视为相同，也就默认工况条件是相同的。但是，对于复杂工业过程来说，工况条件不可能是一成不变的，因此这种做法实际上是不合理的。
【发明内容】
[0004]针对现有技术存在的不足，本发明提供一种精矿产量在线预测方法。
[0005]本发明的技术方案:
[0006]一种精矿产量在线预测方法，包括如下步骤:
[0007]步骤1:采集选矿各工序的工艺指标数据及相应的精矿产量实际值；
[0008]Xi为第i组选矿各工序的工艺指标数据；yi为与禾对应的精矿产量实际值；其中，元Y <=r,/-l,...,/，其包含了各个不同工序的工艺指标；X为选矿工序的工艺指标数据组的集合；n为输入的维数；Rn为η维的实数集合；R为实数集合；1为选矿各工序的工艺指标数据规模大小，即选矿各工序的工艺指标数据组数;乃etci?, Y为精矿产量实际值的集合；
[0009]步骤2:对已采集的选矿各工序的工艺指标数据及相应的精矿产量实际值进行组合处理；
[0010]将已采集的选矿各工序的工艺指标数据及与足.对应的精矿产量实际值71进行组合得到训练样本集V为，
[0011]
【权利要求】
1.一种精矿产量在线预测方法，其特征在于:包括如下步骤: 步骤1:采集选矿各工序的工艺指标数据及相应的精矿产量实际值； 足为第i组选矿各工序的工艺指标数据；yi为与无对应的精矿产量实际值；其中，
2.根据权利要求1所述的精矿产量在线预测方法，其特征在于:步骤3所述的建立精矿产量预测模型的目标函数及其预测精度约束条件的过程如下: 步骤3.2:根据优化目标要求，建立优化目标函数及预测精度约束条件对所述的精矿产量预测模型进行优化； 优化目标为选矿过程风险最小化，则精矿产量预测模型的优化目标函数J为
【文档编号】G05B19/418GK103869783SQ201410101747
【公开日】2014年6月18日 申请日期:2014年3月18日 优先权日:2014年3月18日
【发明者】刘长鑫, 霍记彬, 丁进良, 柴天佑 申请人:东北大学