为使全尾砂絮凝沉降能够达到最佳的效果,运用BP神经网络对其沉降参数进行优化研究。该网络的输入因子包括絮凝剂的添加量q和全尾砂的浓度c,输出因子为尾砂的絮凝沉降速度v;以正交试验为手段,通过创建足够的网络学习样本,最终遴选出最适合的网络模型。将正交试验扩展,增进输入因子水平,把优选出的样本再次搭配,从而找寻到絮凝沉降参数的最优值。以某铅锌矿全尾砂的絮凝沉降为实例,优选出的q值为10g/t,c为15%,v为0.882m/h,能够满足现场要求。