生物氧化預處理過程氧化還原電位預估建模方法研究.pdf

1、生物氧化預處理過程是微生物與礦漿發(fā)生生化反應的過程，盡可能高的提升微生物的活性可以有效地提升提金率。氧化還原電位(Oxidation Reduction Potential，ORP)作為微生物生理過程和生態(tài)活性的直接體現(xiàn)，既可以反映生化反應的進程也可以指導該過程的控制。因此，通過對ORP的預測就能夠反映細菌的活性從而指導該工藝關(guān)鍵參數(shù)的調(diào)控。為了達到這一目的，建立一個有效的預測模型，用于ORP預測。
　　通過結(jié)合實際生產(chǎn)過程，對生

2、物氧化預處理過程進行分析，開展 ORP智能集成預估建模方法研究。本文主要的研究工作如下：
　　1)建立ORP小波神經(jīng)網(wǎng)絡預測模型，實現(xiàn)了基于神將網(wǎng)絡建模方法對ORP的建模預測。和基本的人工神經(jīng)網(wǎng)絡相比小波神經(jīng)網(wǎng)絡結(jié)合了小波變換和常規(guī)神經(jīng)網(wǎng)絡的優(yōu)勢，自適應能力好，學習能力更強，所以本文用改進的小波神經(jīng)網(wǎng)絡進行建模研究。一直以來小波神經(jīng)網(wǎng)絡的參數(shù)確定沒有固定的指導性方法，所以本文采用改進的教與學算法進行參數(shù)尋優(yōu)，最終建立ITLBO-W

3、NN預測模型。
　　2)建立了一種組合模型進行ORP預測，這種模型由支持向量回歸機和自回歸滑動平均模型組合而成。研究中，首先，利用磷蝦群算法確定支持向量回歸機的未知參數(shù)最優(yōu)值，得到改進的支持向量回歸機模型，對ORP進行預測。接著，計算預測結(jié)果誤差值，將該誤差值作為輸入，建立自回歸滑動平均模型的誤差修正模型。最后，把兩個建好的模型進行結(jié)合，得到組合模型進行ORP預測。
　　3)用信息熵的方法將基于小波神經(jīng)網(wǎng)絡和支持向量回歸機的