10.3969/j.issn.1005-3026.2016.06.024
全尾砂絮凝沉降参数预测模型研究
为了得到最佳的絮凝沉降参数,运用BP神经网络和遗传学算法建立了全尾砂絮凝沉降参数预测模型.以絮凝剂单耗和尾砂浓度作为输入因子,以沉降速度作为输出因子;通过正交试验,确定网络学习、训练样本,建立神经网路预测模型;采用遗传算法对全尾砂沉降参数预测模型进行全局寻优,得到最佳絮凝沉降参数.将预测模型运用到和睦山铁矿,在絮凝剂单耗12 g/t,尾砂浓度17%条件下,沉降速度达到1.31 m/h,满足生产需要,比原生产所需絮凝剂单耗减少20%.应用结果表明,该预测模型有较高的实用性,为沉降参数优选提供了一种崭新的思路.
BP神经网络、遗传算法、全尾砂、絮凝沉降、沉降速度
37
TD853(矿山开采)
国家科技支撑计划项目2013BAB02B05.
2016-07-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
875-879