(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111306718.X (22)申请日 2021.11.05 (71)申请人 金川集团股份有限公司 地址 737104 甘肃省金昌市金川区金川路 98号 (72)发明人 齐红斌　孙锐　赵山峰　熊静琪　 孙发昭　王红艳　尹水泉　傅子剑　 王永平　莫云杰　刘江　 (74)专利代理 机构 成都弘毅天承知识产权代理 有限公司 5123 0 代理人 戴立亮 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/16(2006.01) G06N 3/04(2006.01) (54)发明名称 一种高镍锍浮选过程建模中的数据样本筛 选及重构方法 (57)摘要 本发明公开了一种高镍锍浮选过程建模中 的数据样 本筛选及重构方法， 涉及高镍锍浮选工 艺数据建模技术领域， 解决实际建模 过程中面临 数据有效性的问题的技术问题， 步骤包括根据高 镍锍浮选系统的实际工艺过程， 选取系统滞后参 数p， 进行数据样本的重构， 标记无效数据， 将时 间上不连续的数据进行整合， 构建相互独立的样 本数据集， 对抽取出的样本进行矩阵重组， 进行 RNN建模。 本发明根据高镍锍实际工况对数据进 行预处理， 剔除掉无效数据， 得到在时间上不连 续的一些 数据块。 权利要求书1页 说明书3页 附图2页 CN 113987951 A 2022.01.28 CN 113987951 A 1.一种高镍锍浮选过程建模中的数据样本筛选及重构方法， 其特征在于， 包括如下步 骤： 步骤1： 根据高镍锍浮选工艺过程实际状况， 确定每个单独的浮选柱参数变化影响最终 品位的滞后时间长度， 选取系统滞后参数p， 并按照此参数进行 数据重组； 步骤2： 以系统滞后参数p作为系统许可的滞后时间最大值， 从零开始按照一定时间间 隔取多个不同值作为系统滞后时间， 分别进行建模， 以模型精度来选择最优的系统滞后时 间， 选取均方根 误差来评判模型精度； 步骤3： 辨识标记出用于建模的数据中的无效数据， 所述无效数据包括数据为空、 数据 不变、 数据突变； 步骤4： 按照整个滞后 时间内的所有输入参数和当前时间输出参数关联的方式构建一 个样本， 对无效数据筛除后的不连续数据集合进行有效性抽样， 能够满足样本范围内为有 效数据的抽取为一个样本， 构建相互独立的样 本数据集， 对抽取出的样本进行矩阵重组， 进 行RNN建模， 将RN N模型本身的输入滞后和输出滞后参数都设置为 零。 2.根据权利要求1所述的一种高镍锍浮选过程建模中的数据样本筛选及重构方法， 其 特征在于： 步骤1中所述系统滞后参数p为系统分析 过程得出的一个包 含时间冗余的参数。 3.根据权利要求1所述的一种高镍锍浮选过程建模中的数据样本筛选及重构方法， 其 特征在于： 步骤3中所述无效数据包括 生产启停阶段 数据。权　利　要　求　书 1/1 页 2 CN 113987951 A 2一种高镍 锍浮选过 程建模中的数据样本筛选及 重构方法 技术领域 [0001]本发明涉及高镍锍浮选工艺数据建模技术领域， 更具体的是涉及高镍锍浮选过程 建模中的数据样本 筛选及重构方法技 术领域。 背景技术 [0002]高镍锍浮选工艺是镍冶炼过程中的重要步骤， 目的是对火法加工后的镍 ‑铜人工 矿进行进一步分离。 高镍硫浮选过程的复杂性导致目前未能由准确的解析模型可以用来指 导生产。 为提高浮选品位和产率， 有必要对浮选过程进 行建模， 并用模型来指导生产并进 行 优化。 [0003]因为实际浮选过程的复杂性， 建模方法只能采用基于数据的建模方法， 又由于系 统参数之间存在较大的时滞性， 因此采用循环神经网络(RN N)是一种比较适当的方法。 [0004]由于浮现工艺过程的复杂性， 实时工况数据 中多存在突变、 为零、 不更新等状况， 从建模角度来讲这些数据都为无效数据。 根据实际工况 的规则对无效数据进行剔除后， 实 时工况数据在时间上变得不连续。 这样的数据无法直接作为样本进行数据建模， 必须要进 行数据重构。 重构后的数据可以直接作为样本对 模型进行训练。 发明内容 [0005]本发明的目的在于提出一种高镍锍浮选过程建模中的数据样本筛选及重构方法， 以解决背景技 术中提出的问题。 [0006]本发明为了实现上述目的具体采用以下技 术方案： [0007]一种高镍锍 浮选过程建模中的数据样本 筛选及重构方法， 包括如下步骤： [0008]步骤1： 根据高镍锍浮选工艺过程实际状况， 确定每个单独的浮选柱参数变化影响 最终品位的滞后时间长度， 选取系统滞后参数p， 并按照此参数进行 数据重组； [0009]步骤2： 以系统滞后参数p作为系统许可的滞后时间最大值， 从零开始按照一定时 间间隔取多个不同值作为系统滞后时间， 分别进行建模， 以模型精度来选择最优的系统滞 后时间， 选取均方根 误差来评判模型精度； [0010]步骤3： 辨识标记出用于建模的数据 中的无效数据， 所述无效数据包括数据为空、 数据不变、 数据突变； [0011]步骤4： 按照整个滞后时间内的所有输入参数和当前时间输出参数关联的方式构 建一个样本， 对无效数据筛除后的不连续数据集合进行有效性抽样， 能够满足样本范围内 为有效数据的抽取为一个样本， 构建相互独立的样本数据集， 对抽取出 的样本进行矩阵重 组， 进行RN N建模， 将RN N模型本身的输入滞后和输出滞后参数都设置为 零。 [0012]步骤1中所述系统滞后参数p为系统分析 过程得出的一个包 含时间冗余的参数。 [0013]步骤3中所述无效数据包括 生产启停阶段 数据。 [0014]综上所述， 由于采用了上述 技术方案， 本发明的有益效果是： [0015]本发明根据高镍锍实际工况对数据进行预处理， 剔除掉无效数据， 得到在时间上说　明　书 1/3 页 3 CN 113987951 A 3