莫文水

• 1:广西现代职业技术学院

摘要(Abstract)：

针对某金氰化浸出过程，首先建立了多级动态机制模型，并在此基础上采用基于免疫原理的RBF神经网络数据模型的学习算法，计算实际生产过程中难以测量的动力学反应速度，从而估算动态机制模型中的未知参数，再与物料守恒方程串联，建立了预测金浸出率的串联型混合模型。其次与基于免疫原理的RBF神经网络建立的纯数据模型对比仿真来验证模型的有效性；最后根据实际生产过程的实际值与预测值之间的偏差进行模型更新，并通过仿真分析验证了更新机制的准确性。结果表明：串联混合模型大大提高了浸出过程浸出率的预测精度，模型的更新机制提高了模型的精准性与泛化能力。

关键词(KeyWords)： 金;浸出;建模;仿真;算法

Abstract:

Keywords:

基金项目(Foundation): 2021年度广西高校中青年教师科研基础能力提升项目(2021KY1418)

作者(Author): 莫文水

DOI: 10.13355/j.cnki.sfyj.2023.04.017

参考文献(References)：

• [1] 刘元清.湿法冶金浸出过程建模与优化控制研究[D].沈阳：东北大学，2018.
• [2] 李勇，彭伟，刘洪波，等.从贵州某金矿石中氰化浸出金试验研究[J].湿法冶金，2019,38(2):84-87.
• [3] 黄彪林，黄李金鸿，曾祥荣，等.用硫氰酸铵从金精矿生物氧化渣中浸出金[J].湿法冶金，2021,40(6):451-456.
• [4] 牟兴建.湿法冶金金氰化浸出过程建模与优化[D].沈阳：东北大学，2014.
• [5] 顾群.湿法冶金下游流程的分层优化及全流程优化仿真算法分析研究[J].湿法冶金，2023,42(2):205-214.
• [6] 胡广浩，毛志忠，何大阔.浸出过程浸出率预测与在线优化[J].系统工程学报，2011,26(4):524-530.
• [7] 胡广浩，毛志忠，杨菲.基于选择性集成算法的浸出率混合预测模型[J].仪器仪表学报，2013,34(5):1049-1053.
• [8] 白璐.湿法冶金浸出过程非线性预测控制方法的研究[D].沈阳：东北大学，2017.
• [9] 张俊，毛志忠，贾润达.金氰化浸出过程动力学反应速度估计[J].东北大学学报(自然科学版),2012,33(11):1538-1541.
• [10] 邱洋.氯酸钾与漂白粉协同浸出贵州难浸金矿的机制研究[D].贵阳：贵州大学，2022.
• [11] 周天驰.湿法冶金浸出过程机制模型[J].有色冶金设计与研究，2014,35(4):40-42.
• [12] 王帆.湿法冶金浸出过程混合建模与优化控制研究[D].沈阳：东北大学，2019.
• [13] 张俊，毛志忠，贾润达，等.湿法冶金浸出过程金浓度的混合预报模型[J].仪器仪表学报，2013,34(3):629-634.
• [14] 张俊.金氰化浸出过程建模与自适应实时优化方法的研究[D].沈阳：东北大学，2015.
• [15] 陈溥.基于核偏最小二乘法的湿法冶金萃取过程建模[J].湿法冶金，2021,40(3):260-266.
• [16] 刘茜，程靖，梁建勋.混合碰撞建模方法及其试验验证[J].机械工程学报，2022,58(1):116-123.
• [17] 陈兆鑫.城市污水处理过程混合建模与控制[D].沈阳：沈阳工业大学，2022.
• [18] 杨思雨，王正盛，李伟.求解大型离散不适定问题的预处理分数阶Tikhonov正则化方法[J].南京航空航天大学学报：英文版，2022,39(增刊1):106-112.
• [19] 陈玉红.RBF网络在时间序列预测中的应用研究[D].哈尔滨：哈尔滨工程大学，2009.
• [20] 陆晓琴，王喜.新型自适应RBF神经网络应用于PPP模式风险控制研究[J].江苏商论，2018(1):99-102.
• [21] DASGUPTA D,YU S H,NINO F.Recent advances in artificial immune systems:models and applications[J].Applied Soft Computing Journal,2010(2):1574-1587.