王　欢，徐　鑫，鲁鹏云，张　军，彭文娟

(1.鞍钢集团矿业公司，辽宁 鞍山 114001；2.北京科技大学计算机与通信工程学院，北京 100083；3.材料领域知识工程北京市重点实验室，北京 100083)



核极限学习机在浮选回收率中的研究与应用

王欢1，徐鑫1，鲁鹏云1，张军1，彭文娟2，3

(1.鞍钢集团矿业公司，辽宁 鞍山 114001；2.北京科技大学计算机与通信工程学院，北京 100083；3.材料领域知识工程北京市重点实验室，北京 100083)

摘要：浮选回收率是浮选过程中重要的生产指标。需要通过人工检测得到的浮选回收率，可知性具有较大的时间延迟，使工人不能及时有效地对生产做出相应控制调整。由于浮选过程相当复杂，变量维数高、关联性强、噪声大、检测信号不完备等因素，难以建立较精确的回收率预测模型。然而，人工智能与机器学习技术能在机理不清楚、信息不完备的情况下，对复杂系统建立基于数据驱动的经验模型。因此，本文为提高回收率检测的及时性、有效性，在分析浮选过程相关因素影响的基础上，提出基于核极限学习机建立浮选回收率的预测模型。仿真实验结果表明，该建模方法可有效辨识浮选过程中，输入数据与回收率测量值之间的非线性关系，且具有更高的预测精度与训练性能。

关键词：核极限学习机；浮选回收率；人工智能；预测模型

回收率是重要的选矿指标，它反映了选矿过程中金属的回收程度，浮选生产过程常常需要根据回收率的变化来调整工艺参数。但是，回收率需要通过人工采样化验才能获得，可知性具有较大的时间延迟，为了根据回收率指标来及时调整工艺参数，需要建立回收率模型。……