[发明专利]一种基于改进的多任务学习矿石基因指数预测方法及装置

说明书

本发明的目的是为了研究可以全流程的定量评价铁矿石的可选性、指导配矿生产的铁矿石可选性评价模型，提供一种基于改进的多任务学习矿石基因指数预测方法及装置。该方法采用改进的多任务学习MMoE算法，矿石基因指数作为整体目标，细分为矿石时间指数目标、矿石数量指数目标和矿石位置指数目标。构建矿石物料基因可选性预测模型，有效跟踪和预测矿石物料在各个生产工序中的变化，更有效指导配矿和选矿操作，合理组织选矿生产，在稳定精矿品位的基础上降低尾矿品位，同时提高设备效率、降低能耗，创造经济效益。

技术领域

本发明属于矿山采选技术领域，特别涉及一种矿石基因指数预测方法及装置。

背景技术

在铁矿石开采过程中，受客观工作对象、场景所限，生产工作的对象是由矿体与岩体组成的性质不均质的复杂地质体，在勘探、穿爆、装运、破碎以及多道采选生产加工过程中，采选物料不断被粉碎与选别。生产过程中，选别设备要求采出的矿岩比例均衡，矿石性质平稳连续，如果出现矿石性质大范围波动，会影响选别各个环节的连续生产。可以看出，配矿环节和采选矿石物料性质的平衡在采选生产的组织管理、生产协调与优化、设备管理等重要生产环节与流程中起着重要作用。因此，在矿石进入各个选别阶段前，应当根据矿石的性质判断矿石在不同选矿工艺中的可选性，并进行配矿。

因此，有必要建立一种新的铁矿石可选性评价模型，可以全流程的定量评价铁矿石的可选性，指导配矿和选矿生产。

矿石物料基因定义为矿石物料信息结构，用来描述随着时间和空间的变化而不断变化、累积和完善的矿石物料信息。矿石物料基因是描述矿石物料在时间，空间，数量，性质(矿石品位，粒度，以及磨磁和浮选等环节可加工性的基本组成、基本构成和物理等属性)、加工处理节点设备(设备运行状态、运行参数)的五元组。矿石物料基因有多个数据来源，在采选各个工序流程中，矿石物料基因某个工序的部分信息可能是未知的或不可直接测量的，但是通过跟踪上下游工序中的矿石性质、设备操作和处理过程，能够推算或反演出矿石在该工序的部分性质。

矿石物料可加工性要素和加工过程设备与工艺组成的加工要素组成矿石物料加工过程的过程DNA双链，位于加工过程DNA上的过程碱基是构成矿石物料加工过程基因的基本单位。首先，矿石物料可加工性要素和加工过程设备与工艺组成的加工要素组成矿石物料加工过程要素及其相互关系形成矿石物料加工过程碱基；其次，不同类型矿石物料的加工过程碱基两两之间相互作用形成加工过程碱基对；第三，一定数量的过程碱基对(即加工过程碱基序列)组成加工过程基因。加工过程基因模型可用于矿石物料加工过程的管理和跟踪等。

北京矿冶科技集团有限公司2019年公开专利《一种矿物基因数据提取和表征方法》提出了一种矿物基因数据提取和表征方法，但是没有研究如何通过加工过程基因模型预测矿物基因。

发明内容

本发明的目的是为了研究可以全流程的定量评价铁矿石的可选性、指导配矿生产的铁矿石可选性评价模型，提供一种基于改进的多任务学习矿石基因指数预测方法及装置。该方法采用改进的多任务学习MMoE算法，矿石基因指数作为整体目标，细分为矿石时间指数目标、矿石数量指数目标和矿石位置指数目标。构建矿石物料基因可选性预测模型，有效跟踪和预测矿石物料在各个生产工序中的变化，更有效指导配矿和选矿操作，合理组织选矿生产，在稳定精矿品位的基础上降低尾矿品位，同时提高设备效率、降低能耗，创造经济效益。

本发明的技术方案之一为，一种基于改进的多任务学习矿石基因指数预测方法，包括如下步骤：

1)采集矿石物料基因数据，对数据进行标注；

2)矿石基因指数计算；

矿石基因指数模型可以表示为如下非线性函数:

M_i＝f(x₁，x₂，…，x_i)