[发明专利]基于改进SVM的淘洗机精矿品位在线预测方法及系统

权利要求书

1.一种基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，包括以下步骤：

S1、采集淘洗机的运行参数并进行数据预处理；

S2、改进粒子群优化算法；

S3、建立支持向量机的淘洗机精矿品位预测模型；

S4、利用改进的粒子群优化算法优化支持向量机的参数，建立改进支持向量机的淘洗机精矿品位预测模型；

S5、利用预处理后的数据训练改进支持向量机的淘洗机精矿品位预测模型，训练完成之后进行淘洗机精矿品位预测。

2.根据权利要求1所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，采集淘洗机的运行参数具体为：采集淘洗机不同时间的给矿品位、底流浓度、精矿品位和精矿回收率。

3.根据权利要求1所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，数据预处理具体包括：

S11、对数据进行数据清洗、去除异常值和补缺损失值；

S12、对数据做相关性分析，选出具有相关性的输入特征。

4.根据权利要求1所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，改进粒子群优化算法具体包括：改进惯性因子、改进加速因子、改进位置更新。

5.根据权利要求4所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，惯性因子ω改进公式为：

式中，ω_max是最大权重值，ω_min是最小权重值，t为迭代次数，T_max为最大迭代次数。

6.根据权利要求4所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，加速因子C₁和C₂的改进公式为：

式中，t为迭代次数，T_max为最大迭代次数。

7.根据权利要求4所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，使用莱维飞行进行位置更新：

式中，Xi表示粒子i的位置，t表示迭代次数，α表示运动步长，为点对点乘法，Levy(λ)为随机搜索路径且满足：

Levy～μ＝t^－λ 1≤λ≤3

其中，莱维飞行的步长s计算公式为：

其中，μ、v为正态分布：

式中：

σ_v＝1

β＝1.5。

8.根据权利要求1所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，支持向量机的回归预测估计函数为：

式中，a_i,为a_i^*拉格朗日常数，C为惩罚系数，K(x_i，X)为核函数，b为偏置量；

选用RBF函数作为核函数：

K(x_i,X)＝exp(-g||x_i-X||²)

式中，x_i为支持向量，X为核函数中心，σ为函数的宽度参数，g为gamma。

9.根据权利要求1或8所述的基于改进SVM的淘洗机精矿品位在线预测方法，其特征在于，利用改进的粒子群优化算法优化支持向量机的惩罚系数C和G参数。

10.一种用于实现权利要求1所述的基于改进SVM的淘洗机精矿品位在线预测方法的基于改进SVM的淘洗机精矿品位在线预测系统，其特征在于，包括：

数据采集模块，用于采集淘洗机的运行参数并进行数据预处理；

算法改进模块，用于改进粒子群优化算法；

模型建立模块，用于建立支持向量机的淘洗机精矿品位预测模型；

改进模型模块，用于利用改进的粒子群优化算法优化支持向量机的参数，建立改进支持向量机的淘洗机精矿品位预测模型；

训练预测模块，用于利用预处理后的数据训练改进支持向量机的淘洗机精矿品位预测模型，训练完成之后进行淘洗机精矿品位预测。