| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-9页 |
| ·过程预测建模方法 | 第9-12页 |
| ·机理建模方法 | 第9-10页 |
| ·数据驱动建模方法 | 第10-12页 |
| ·集成建模方法 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·浮选过程机理建模研究现状 | 第12页 |
| ·浮选过程精矿品位传统预测方法研究现状 | 第12-13页 |
| ·图像特征在工业指标预测中的应用现状 | 第13-15页 |
| ·论文的主要内容和结构安排 | 第15-17页 |
| 第二章 精矿品位的机理预测模型研究 | 第17-32页 |
| ·浮选机理 | 第17-19页 |
| ·浮选原理 | 第17页 |
| ·浮选工艺 | 第17-19页 |
| ·精矿品位与回收率的关系 | 第19-22页 |
| ·回收率的机理模型 | 第22-31页 |
| ·泡沫回收率 | 第23-29页 |
| ·收集回收率 | 第29-30页 |
| ·总的回收率 | 第30-31页 |
| ·精矿品位的机理预测模型 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 泡沫图像特征的获取及其数据预处理 | 第32-45页 |
| ·图像获取系统的搭建 | 第32-33页 |
| ·泡沫图像特征的获取方法 | 第33-41页 |
| ·颜色特征 | 第34-36页 |
| ·纹理特征 | 第36-38页 |
| ·速度特征 | 第38-39页 |
| ·结构特征 | 第39-41页 |
| ·承载率 | 第41页 |
| ·图像特征数据预处理 | 第41-44页 |
| ·异常值剔除 | 第41-42页 |
| ·小波降噪 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于泡沫图像特征的BS-PLS精矿品位预测模型 | 第45-57页 |
| ·样条变换 | 第45-49页 |
| ·插值理论 | 第45-46页 |
| ·样条函数 | 第46-49页 |
| ·偏最小二乘回归理论 | 第49-52页 |
| ·基本原理 | 第49页 |
| ·计算方法推导 | 第49-51页 |
| ·交叉有效性 | 第51-52页 |
| ·BS-PLS预测模型建模思路及其步骤 | 第52-54页 |
| ·建模思路 | 第52-53页 |
| ·建模步骤 | 第53-54页 |
| ·模型仿真 | 第54-56页 |
| ·模型输入 | 第54-55页 |
| ·数值仿真 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于信息熵集成的精矿品位预测模型 | 第57-65页 |
| ·机理模型和BS-PLS模型存在的问题 | 第57-58页 |
| ·基于信息熵的集成预测模型 | 第58-59页 |
| ·信息熵概念及集成模型的结构 | 第58-59页 |
| ·基于信息熵集成预测模型实现步骤 | 第59页 |
| ·模型仿真 | 第59-60页 |
| ·三种模型的评价 | 第60-61页 |
| ·模型更新与修正 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73页 |