基于ISSA-HKLSSVM的浮选精矿品位预测方法

本发明公开了一种基于ISSA‑HKLSSVM的浮选精矿品位预测方法，步骤S1，基于X荧光分析仪采集数据搭建用以描述矿石元素能量强度与精矿品位之间非线性关系的模型,利用分析仪所测通道数据建立样本数据库；步骤S2，引入Min‑Max数据归一化方法对数据进行预处理，构建数据集；步骤S3，采用混合核函数，对核函数的权重系数进行寻优，搭建基于HKLSSVM的精矿品位预测模型；步骤S4，引入非线性指数对数混合学习因子对传统SSA算法改进，利用ISSA算法对HKLSSVM模型的核函数参数和惩罚因子进行优化，建立ISSA‑HKLSSVM的浮选精矿品位预测模型；步骤S5，采用数据集数据对基于ISSA‑HKLSSVM的品位预测模型进行训练，实现浮选过程精矿品位预测。本方法可有效实现精矿品位的准确预测，为浮选过程优化控制、提高浮选效率提供有效可靠的判据。