基于I-GWO-BP神经网络的紫金山铜矿浮选回收率预测研究OACSTPCD
为克服传统测量浮选回收率方式存在的低效率、滞后性等问题,结合紫金山硫化铜矿浮选厂生产情况,采用基于MI(Mutual Information)互信息法对选厂原矿品位、丁铵黑药用量等浮选条件因子进行特征选择,在此基础上,建立了基于BP(Back Propagation)、GWO-BP(Grey Wolf Optimizer-Back Propagation)、I-GWO-BP(Improved-Grey Wolf Optimizer-Back Pr…查看全部>>
夏永涛;马英强;印万忠;衷水平;鲁军;张德文;詹殷权
福州大学紫金地质与矿业学院,福建福州350108福州大学紫金地质与矿业学院,福建福州350108 福建省新能源金属绿色提取与高值利用重点实验室,福建福州350108福州大学紫金地质与矿业学院,福建福州350108福州大学紫金地质与矿业学院,福建福州350108 福建省新能源金属绿色提取与高值利用重点实验室,福建福州350108紫金矿业集团股份有限公司,福建上杭364200紫金矿业集团股份有限公司,福建上杭364200福州大学紫金地质与矿业学院,福建福州350108
矿山工程
浮选回收率互信息法BP神经网络改进的灰狼算法
《矿产保护与利用》 2023 (3)
P.51-59,9
评论