基于GA-BP神经网络的尾砂浓密多目标精准预测

• 作者: 杨莹 吴爱祥 王先成 王国立 刘伟涛
• 来源期刊: 采矿技术
• 关键词: 尾砂浓密 神经网络 遗传算法 多目标 预测模型
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 智能化绿色开采
• 页码范围: 143-148
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1671-2900.2022.02.034

摘要

膏体技术的尾砂浓密工艺是一项复杂的系统工程,是典型的多输入、多输出、非线性关系模型.采用自制小型尾砂浓密系统,获取动态浓密试验关键参数,为模型建立提供数据来源;以尾砂浓密的入料质量浓度、入料流量、入料速度、絮凝剂溶液质量浓度、絮凝剂溶液流量、耙架转速为输入层神经元,以底流质量浓度、底流流量、溢流浊度为输出层神经元,建立了6-11-3的BP神经网络,获得了尾砂浓密影响因素与效果评价指标之间的映射关系;借助遗传算法(GA)的全局搜索能力,优化BP神经网络的初始权值和阈值,构建了基于GA-BP神经网络的尾砂浓密多目标预测模型.预测模型学习收敛速度快,保证收敛到全局最优点.相比于BP神经网络,GA-BP神经网络多目标预测模型的精度显著提高,对矿山现场实测结果的预测误差在2％以内.