摘要
本申请提供了一种面向铜矿浮选过程铜品位的测量方法及装置,该方法包括:获取测量数据,并对测量数据进行数据增强处理,以降低测量数据中无标签样本的维度,并基于无标签样本和测量数据中有标签样本构建训练集和测试集;以BiLSTM作为学习器,从训练集的时间序列数据中双向探索价值信息;针对过程数据中存在的冗余变量,对冗余变量进行剔除处理,得到稳健BiLSTM模型,并基于稳健BiLSTM模型对铜矿浮选过程铜品位进行测量。本申请能够克服现有的铜矿浮选过程的测量数据存在无标签样本,离群值和冗余变量的问题实现对铜品位的快速和准确的估计,从而有助于铜矿石浮选过程的控制和优化。
技术关键词
BiLSTM模型
铜矿浮选
无标签样本
数据
变量
测量方法
冗余
机器可读指令
学习器
Sigmoid函数
预测误差
双曲正切函数
表达式
处理器
可读存储介质
执行算法
电子设备
序列