蔡鑫;南新元;高丙朋;陈星志;

• 1:新疆大学电气工程学院

摘要(Abstract)：

针对生物氧化预处理过程中进气量调节的时滞性以及传统离线预测存在的不足,提出一种基于最优加权的进气量智能集成预测模型。首先根据生物氧化预处理机制,建立氧化槽耗氧机制模型;然后根据预处理过程各变量建立基于在线支持向量机的智能预测模型;最后根据集成思想,采用最优加权法将上述2个单一模型加权集成,建立进气量智能集成预测模型。试验结果表明:该模型能够很好地在线预测氧化槽进气量,相比单一预测模型具有更高的预测精度,可满足工业生产在线优化控制要求。

关键词(KeyWords)： 生物氧化;进气量;预测;在线支持向量机;智能集成模型;建立

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61463047)

作者(Authors): 蔡鑫;南新元;高丙朋;陈星志;

DOI: 10.13355/j.cnki.sfyj.2016.04.004

参考文献(References)：

• [1]郑晔.难处理金矿石预处理技术及应用现状[J].黄金,2009,30(1):36-41.
• [2]HAO C,WANG L,DONG H,et al.Succession of acidophilic bacterial community during bio-oxidation of refractory gold-containing sulfides[J].Geomicrobiology Journal,2010,27(8):683-691.
• [3]李超李,陈冠良,杨勰.一株高海拔菌种的浸矿实验及其亚铁氧化动力学[C]//2013年全国博士生学术论坛(冶金工程)论文集.北京:国务院学位委员办公室、教育部学位管理与研究生教育司,2013:644-647.
• [4]崔桂梅,孙彤,张勇.支持向量机在高炉铁水温度预测中的应用[J].控制工程,2013,20(5):809-812.
• [5]杨文光,高艳辉,王清.模糊前向神经网络在瓦斯涌出量预测中的应用[J].安徽大学学报(自然科学版),2013,37(6):30-35.
• [6]王春生.铅锌烧结配料过程的智能集成建模与优化控制策略研究[D].长沙:中南大学,2008.
• [7]刘君贤.焦炉生产过程焦炭质量与炼焦能耗智能预测模型[D].长沙:中南大学,2010.
• [8]王雅琳,桂卫华,阳春华,等.基于有限信息的铜吹炼动态过程智能集成建模[J].控制理论与应用,2009,26(8):860-866.
• [9]杨松荣.含砷难处理金矿石生物氧化提金基础与工程化研究[D].长沙:中南大学,2004.
• [10]苑洪晶.协同强化含砷金矿生物预氧化的研究[D].长沙:中南大学,2013.
• [11]LIU M,BRANION R,DUNCAN D.The effects of ferrous iron,dissolved oxygen,and inert solids concentrations on the growth of Thiobacillus ferrooxidans[J].The Canadian Journal of Chemical Engineering,1988,66(3):445-451.
• [12]MA J,THEILER J,PERKINS S.Accurate on-line support vector regression[J].Neural Computation,2003,15(11):2683-2703.
• [13]刘大同.基于Online SVR的在线时间序列预测方法及其应用研究[D].哈尔滨:哈尔滨工业大学,2010.
• [14]CAO B,XIE Y,GUI W,et al.Integrated prediction model of bauxite concentrate grade based on distributed machine vision[J].Minerals engineering,2013,53(10):31-38.