[发明专利]一种基于集成学习的浓密机底流浓度预测方法

权利要求书

1.一种基于集成学习的浓密机底流浓度预测方法，其特征在于：包括步骤如下：

S1：数据获取：获取实际生产历史记录数据，由矿山的自动化系统记录并存储于企业数据库中；

S2：数据预处理：对S1中获取到的数据进行预处理，剔除无关属性，再进行特征选取，得到预处理后的数据集；

S3：构造训练集和测试集：使用S2中预处理后的数据集构造训练集和测试集；

S4：建立预测模型：采用集成学习方法，利用S3中构造好的训练集和测试集进行模型建立，实现对深锥浓密机底流浓度的精确预测；

S5：展示预测结果：将S4中预测的结果通过可视化平台进行展示。

2.根据权利要求1所述的基于集成学习的浓密机底流浓度预测方法，其特征在于：所述S2中无关数据包括日期、时间、机械功率。

3.根据权利要求1所述的基于集成学习的浓密机底流浓度预测方法，其特征在于：所述S2中特征选取后，得到的数据集包含进料固体量、进料流量、进料浓度、稀释水流量、絮凝剂量、泥层压力、耙子转速、底流泵速一、底流泵速二、地表泵速、地表泵料位十类共11项自变量特征和底流浓度1项因变量特征。

4.根据权利要求1所述的基于集成学习的浓密机底流浓度预测方法，其特征在于：所述S3中训练集和测试集构造方法如下：

训练集采用采样的方法来构造，使每条数据之间的时间间隔为30s-2min；测试集选择某个时间段内不是训练集的其他数据作为测试集。

5.根据权利要求1所述的基于集成学习的浓密机底流浓度预测方法，其特征在于：所述S4中模型建立具体方法如下：

S41：根据实际情况的问题规模以及研究目标，选择集成学习模型以及子模型；

S42：建立集成模型，实现对深锥浓密机的底流浓度的精确预测。

6.根据权利要求1所述的基于集成学习的浓密机底流浓度预测方法，其特征在于：所述S5中预测结果展示具体为：界面的可视化展示使用Echarts，Echarts是网页图表展示组件，提供数据接口，将数据处理后传入相应组件即可获得预期的可视展示效果。