摘要
本发明公开了一种面向磨矿分级过程多工况预测模型及其构建方法,属于选矿技术领域;本发明包括以下步骤:首先,采用时滞相关性分析算法提取动态特征,以构建用于溢流浓细度预测的动态特征数据集。接着,通过全量数据对模型进行初始预训练,并运用无监督聚类方法将初始数据集划分为不同的工况数据集。随后,利用这些工况数据集对预训练后的模型进行微调和再训练,使模型能够适应多种工况特性。在预测阶段,通过计算待预测样本点到各聚类中心点的距离,确定样本所属的工况,并调用相应的模型进行精准预测。相较于现有技术,本发明提高了磨矿分级预测的准确性,促进了选矿生产的智能化和稳定运行。
技术关键词
预测模型构建方法
无监督聚类方法
动态
预训练模型
样本
高斯混合模型聚类
序列数据处理
神经网络模型
工况识别方法
空间聚类算法
均值聚类算法
计算机设备
细度
模型训练方法
变量
决策树模型
系统为您推荐了相关专利信息
图像自动标注方法
术语
迭代特征
文本特征向量
样本
属性预测模型
人工神经网络
交叉验证法
超参数
非线性
智能网联车辆编队
风险
路面附着系数
车辆自动驾驶技术
加速度
中频炉烧结
温度控制系统
耦合特征
序列
权重调节方法