一种基于机理与数据协同驱动的铜电解出液浓度精准预测建模方法

本发明公开了一种基于机理与数据协同驱动的铜电解出液浓度精准预测建模方法，具体涉及人工智能赋能有色冶金清洁生产领域，包括：输入数据集、输出数据集的创建、清洗和筛选；进行数据转换处理；构建理论模型，使用理论公式构建Me浓度预测模型；通过最小二乘法优化模型参数；使用机器学习算法学习理论模型的残差，对理论模型的预测结果进行修正；保存该模型作为训练模型，改变初始预测模型的超参数，进行多次训练，选取其中平均绝对百分比误差最小、决定系数最大的训练模型作为最终预测模型；评估训练集模型应用于测试集的预测效果。本发明能够准确地预测铜电解精炼Me离子的出液浓度，为电解液的质量控制及电解过程优化奠定模型基础。