科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对某金氰化浸出过程，首先建立了多级动态机制模型，并在此基础上采用基于免疫原理的RBF神经网络数据模型的学习算法，计算实际生产过程中难以测量的动力学反应速度，从而估算动态机制模型中的未知参数，再与物料守恒方程串联，建立了预测金浸出率的串联型混合模型。其次与基于免疫原理的RBF神经网络建立的纯数据模型对比仿真来验证模型的有效性；最后根据实际生产过程的实际值与预测值之间的偏差进行模型更新，并通过仿真分析验证了更新机制的准确性。结果表明：串联混合模型大大提高了浸出过程浸出率的预测精度，模型的更新机制提高了模型的精准性与泛化能力。
- 单位
