| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-9页 |
| 1.2 ORP预测研究现状 | 第9-10页 |
| 1.3 动态数据驱动研究现状 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-13页 |
| 第2章 生物氧化提金工艺 | 第13-20页 |
| 2.1 难处理金矿石分类 | 第13-14页 |
| 2.2 细菌氧化法 | 第14-17页 |
| 2.2.1 细菌氧化的作用机理 | 第14-15页 |
| 2.2.2 生物氧化还原电位 | 第15-16页 |
| 2.2.3 ORP影响因素 | 第16-17页 |
| 2.3 生物氧化预处理工艺 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 动态预测建模方法 | 第20-40页 |
| 3.1 数据预处理 | 第20-25页 |
| 3.1.1 小波分析滤波 | 第20-22页 |
| 3.1.2 相空间重构 | 第22-25页 |
| 3.2 统计学习理论基本思想 | 第25-29页 |
| 3.2.1 经验风险 | 第25-27页 |
| 3.2.2 对偶理论 | 第27-28页 |
| 3.2.3 KKT条件 | 第28-29页 |
| 3.3 支持向量机 | 第29-33页 |
| 3.4 支持向量回归机 | 第33-35页 |
| 3.5 Adapt_LSSVR预测模型 | 第35-39页 |
| 3.5.1 Adapt_LSSVR预测模型机理 | 第35-38页 |
| 3.5.2 Adapt_LSSVR预测模型预测步骤 | 第38-39页 |
| 3.6 小章总结 | 第39-40页 |
| 第四章 模型参数优化 | 第40-51页 |
| 4.1 狼群算法 | 第40-45页 |
| 4.1.1 狼群算法的基本思想 | 第40-41页 |
| 4.1.2 狼群算法的智能行为和规则描述 | 第41-43页 |
| 4.1.3 狼群算法基本流程 | 第43-44页 |
| 4.1.4 狼群算法缺点分析 | 第44-45页 |
| 4.2 狼群算法的改进 | 第45-48页 |
| 4.2.1 LWPA的改进描述 | 第45-47页 |
| 4.2.2 LWPA的基本流程 | 第47-48页 |
| 4.2.3 适应度函数选择 | 第48页 |
| 4.3 函数优化实验与分析 | 第48-50页 |
| 4.3.1 函数优化仿真 | 第48-50页 |
| 4.3.2 实验结果分析 | 第50页 |
| 4.4 小章总结 | 第50-51页 |
| 第五章 ORP动态预测系统开发 | 第51-58页 |
| 5.1 ORP动态预测系统开发 | 第51-54页 |
| 5.1.1 生物氧化预处理系统组成 | 第51-52页 |
| 5.1.2 ORP动态预测系统 | 第52-54页 |
| 5.2 ORP动态预测仿真实验 | 第54-57页 |
| 5.2.1 实验结果 | 第55-56页 |
| 5.2.2 结果分析 | 第56-57页 |
| 5.3 小章总结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文 | 第64-66页 |