基于Wasserstein GAN數(shù)據(jù)增強(qiáng)的礦物浮選純度預(yù)測

打開文本圖片集

doi：10.11835/j.issn.1000-582X.2023.107

摘要：在選礦行業(yè)中，準(zhǔn)確地預(yù)測精礦品位可以幫助工程師提前調(diào)整工藝參數(shù)，提高浮選性能。但在實(shí)際選礦過程中，采集數(shù)據(jù)存在樣本量少、維度高、時(shí)序相關(guān)性復(fù)雜等問題，限制了精礦品位的預(yù)測精度。針對小樣本數(shù)據(jù)的預(yù)測問題，提出了一種將Wasserstein生成對抗網(wǎng)絡(luò)（Wasserstein generative adversarial network，Wasserstein GAN）和長短期記憶網(wǎng)絡(luò)（long short-term memory，LSTM）相結(jié)合的時(shí)間序列數(shù)據(jù)生成模型LS-WGAN，主要利用LSTM網(wǎng)絡(luò)來獲取選礦數(shù)據(jù)中的時(shí)間相關(guān)性，再通過Wasserstein GAN網(wǎng)絡(luò)生成與原始數(shù)據(jù)分布相似的樣本進(jìn)行數(shù)據(jù)增強(qiáng)；為了更加準(zhǔn)確地預(yù)測精礦品位，建立了浮選預(yù)測模型C-LSTM，并基于真實(shí)泡沫浮選工藝數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了所提出方法的預(yù)測準(zhǔn)確性。（剩余13229字）