生物氧化冶金预处理过程氧化率的软测量模型

针对生物氧化预处理过程中的矿物氧化率不能直接测量的问题,提出一种基于遗传算法和BP神经网络相结合的软测量方法。该方法在对生物氧化预处理过程影响因素分析的基础上,选取温度、pH值、进风量和氧化还原电位(ORP)作为辅助变量,氧化率作为主导变量,利用遗传算法对BP神经网络进行优化,然后采用BP神经网络算法实现对氧化率的预测。为了突出表现GA-BP模型的准确性,与PSO-BP的软测量模型进行了对比。结果表明,基于GA-BP的软测量方法更利于实现氧化率的精确预测,有助于对氧化率的优化控制提供指导。