基于SCA-LSTM神经网络的絮凝辅助固化的优化条件预测方法

本发明提出了一种基于SCA‑LSTM神经网络的絮凝辅助固化的优化条件预测方法，包括：将磷石膏样品加水搅拌后过滤，得到磷石膏滤液用于后续的固化处理；通过单因素实验，分别记录固化剂投加量、搅拌时间、搅拌速率，絮凝剂投加量及相应搅拌条件下的可溶磷、氟去除率，生成条件数据样本集；采用正余弦优化算法SCA对LSTM神经网络进行参数优化，提高网络的预测精度，并通过平均绝对相对偏差AARD、均方根误差RMSE和决定系数R²对模型进行评估；该方法结合LSTM网络的时间序列建模能力与SCA算法的全局搜索能力，准确预测并优化絮凝剂辅助固化磷石膏中可溶性磷、氟的最佳处理条件。