基于數(shù)據(jù)驅(qū)動的浮選指標預測建模研究進展

摘要： 針對浮選過程工業(yè)大數(shù)據(jù)具有高維非線性、動態(tài)時序性以及參數(shù)強耦合性等復雜特性，若使用單一模型進行浮選指標預測，則可能由于隨機性的影響而導致模型的可信度低、泛化性差，預測效果不理想。為了突破單模型的瓶頸，本文對30多年來的基于數(shù)據(jù)驅(qū)動的浮選指標預測建模方法的研究文獻進行了系統(tǒng)的評述，認為采用不同學習算法對浮選過程的多工況參數(shù)、泡沫圖像的潛在內(nèi)部特征進行深度挖掘，以這些工況參數(shù)特征和...