最大化半自磨机吞吐量的混合智能框架：专家知识、机器学习和进化算法的参数优化集成
系统与控制
2023-12-19 v1 系统与控制
摘要
在选矿厂中，磨矿是关键步骤，约占选矿总成本的50%。半自磨机广泛用于选矿厂的磨矿回路。考虑到其深远的经济效益，最大化半自磨机吞吐量具有重要意义。然而，旨在实现最大磨机吞吐量的最优工艺参数设置仍是先前研究中未探索的领域。本研究引入了一个混合智能框架，利用专家知识、机器学习技术和进化算法来满足这一研究需求。在本研究中，我们使用包含36743条记录的广泛工业数据集，并根据行业专家的见解选择相关特征。在去除错误数据后，对17种不同的机器学习模型进行了全面评估，以确定最准确的预测模型。为了提高模型性能，执行了特征选择和异常值检测。由此得到的最优模型，使用精炼特征进行训练，作为三个不同进化算法中的目标函数。这些算法用于识别在输入参数工作限制作为约束条件下最大化半自磨机吞吐量的参数配置。值得注意的是，我们的分析显示，CatBoost作为集成模型，是最准确的预测器。此外，差分进化成为首选的优化算法，在实现最高磨机吞吐量预测和确保预测鲁棒性方面均表现出优于其他方法的性能。
引用
@article{arxiv.2312.10992,
title = {A Hybrid Intelligent Framework for Maximising SAG Mill Throughput: An Integration of Expert Knowledge, Machine Learning and Evolutionary Algorithms for Parameter Optimisation},
author = {Zahra Ghasemi and Mehdi Neshat and Chris Aldrich and John Karageorgos and Max Zanin and Frank Neumann and Lei Chen},
journal= {arXiv preprint arXiv:2312.10992},
year = {2023}
}