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。