全尾砂絮凝沉降参数预测模型研究

摘要：

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．

关键词：BP神经网络、遗传算法、全尾砂、絮凝沉降、沉降速度

所属期刊栏目：37

分类号：TD853(矿山开采)

资助基金：国家科技支撑计划项目2013BAB02B05．

在线出版日期：2016-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：875-879