矿道网
全国服务热线
029-85212477
当前位置: 首页 » 技术 » 选矿技术 » 正文

基于灰色理论的硫化铜精矿品位预测模型

发布日期:2019-04-27  来源:有色金属  作者:任传成  浏览次数:831
   精矿品位是指铜元素在铜精矿化学成分中所 占百分比,即铜精矿中含铜量的多少。在选矿厂中, 精矿品位不仅是衡量浮选生产工艺的主要经济技术 指标,也是选矿过程控制的重要参数,同时还是 产品交易结算的重要依据。测量精矿品位的方法 有很多,主要分为两类:一类是分析法,主要包括化 学分析方法和荧光分析方法;另一类是数学模拟方 法,主要利用浮选泡沫图像特征数据,分析图像特征 与精矿品位之间的变化规律,建立两者之间数学模 型,用于预测精矿品位,常用数学方法主要有:多元 回归方法、偏最小二乘回归法、神经网络、小波分析法口们等。无论是利用浮选工艺参数 还是浮选泡沫图像特征作为预测模型的辅助变量, 都需要结合一定的实际精矿品位数据才可以构建精矿品位预测模型,但这些模型与精矿品位数据自身 固有特征之间存在着一定的偏差,故对精矿品位数 据进行研究是非常有必要的。 本文根据在实验室中浮选硫化铜得到有限的精 矿品位小样本数据,运用灰色系统理论及其相关模 型,从精矿品位数据自身序列中挖掘有用的信息,建 立精矿品位预测模型,利用6个精矿品位样本数据 对预测模型进行训练,选择相对误差和平均相对误 差作为评价预测模型的指标,结果表明该方法可为 构建精矿品位数学预测模型提供一种新的思路。
  矿样选用云南省某铜选矿厂粗选产品作为浮选 人料,在实验室中采用浮选柱进行浮选试验,定期地 对浮选精矿进行采样化验,建模采用部分样本数 据[3]见表1。从公式(7)可知,模型的预测值与铜精 矿品位样本数据第1个有着重要关系,即 用于建模数据序列的第1个影响着模型的预测值, 因此,从铜精矿样本数据中截取固定数量的数据作 为样本训练数据,建模模型并预测后续的品位值,然 后不断地引人新的样本数据替代原有的样本训练数 据序列的第1个样本数据,以此建立预测模型并评 价该模型的预测精度。 从样本数据序列中按序号依次选取6个品位数 据构建铜精矿预测灰色模型,预测后续3个铜精矿 品位值,以实际样本数据与预测数据进行比较,以为 验证预测模型的可靠性和适应性。预测模型GMl 采用样本序号为1、2、3、4、5、6的数值进行建模,预 测样本序号为7、8、9的品位值,预测模型GM2采用 样本序号为2、3、4、5、6、7的数据来构建预测模型, 预测样本序号为8、9、10,同理,预测模型GM3、GM 依次相应数据。 分别将相应的6个样本训练数据作为建模数 据,计算4个铜精矿品位预测模型的拟合值、相对误 差和平均相对误差,其结果见表2。 由表2可知,在4个铜精矿品位预测模型中的 最大相对误差为8.59%,这是由于3号样本数据出 现跳跃,铜精矿品位为9.90%,使得样本数据序列在 该位置上发生较大的幅度变化,而其它样本数据变 化相对平缓,虽然灰色理论预测模型在建模时不需 要大量样本原始数据,但在样本数据中出现跳跃数 据时会影响整个预测模型的精度。
  1)运用灰色理论建立铜精矿品位预测模型,利 用实验室中采集到的铜精矿品位小样本数据作为灰 色预测模型的样本训练数据,预测后续的铜精矿品 位,预测数据与实际的铜精矿品位数据进行比较和 计算,结果表明预测模型的预测精度较好,该方法具 有一定的可行性和应用性。
  2)针对样本数据中存在跳跃数据的现象,采用 动态背景值和更新样本训练数据第1个序列数据的 方法降低对灰色预测模型预测精度的影响,结果表 明通过该方法可以改变预测模型自身精度,模型的 预测精度较好。
  3)为了解决浮选硫化铜所得铜精矿品位估算问 题,本文提出基于灰色理论的精矿品位预测建模方 法,结果表明模型预测结果较好,可为估算铜精矿品 位提供一种新的手段。
 

 
 
[ 技术搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 

 
推荐技术
点击排行
取消

感谢您的支持,我会继续努力的!

扫码支持
扫码打赏,你说多少就多少

打开支付宝扫一扫,即可进行扫码打赏哦

网站首页

关于我们

联系方式

使用协议

版权隐私

网站地图

服务项目

会员服务

广告服务

网站留言

四大特权

付款方式

苹果APP下载
中国选矿技术网苹果APP
安卓APP下载
中国选矿技术网安卓APP
矿业俱乐部
矿业俱乐部二维码
联系我们

029-85212477

我们随时等待您的来访!

| ICP经营许可证:陕ICP备15007745号