本發明屬于選礦綜合指標預測技術領域，具體涉及一種基于配礦產品性質的選礦綜合指標預測方法。
背景技術：
選礦產品綜合性質的好壞是選礦廠十分關注的問題，優秀的選礦產品是選礦廠盈利的保障。一般選礦廠使用的礦石原料來源比較單一，因此選礦時針對不同批次的礦石往往在流程上保持穩定，但由于選礦作業中的程序較多，經常需要操作人員針對不同的產品指標進行微調。當選礦流程保持穩定時，配礦產品也就是入選礦石的各項性質直接影響著選礦結果。因此在礦石入選前，根據已知數據預測出某一批礦石經過選礦作業后的各項指標有利于操作人員及時發現問題并選擇應對方案。現行的方法主要是根據操作人員的經驗來判斷，這種方法對工作人員的業務能力要求較高，不能適用于全部情況。
技術實現要素：
針對現有技術存在的不足，本發明提供一種基于配礦產品性質的選礦綜合指標預測方法。
一種基于配礦產品性質的選礦綜合指標預測方法，包括如下步驟：
步驟1：收集配礦產品性質的歷史數據，包括入選礦石的全鐵品位、磁性鐵值、亞鐵值、碳酸鐵值、硅酸鐵值、礦石粒度、磁選管產率；
步驟2：收集配礦產品所對應的選礦產品性質歷史數據，包括綜合精礦品位、綜合尾礦品位、礦石選比、礦石成本；
步驟3：根據收集到的配礦產品性質歷史數據和選礦產品性質歷史數據，通過神經網絡算法擬合出輸入值即配礦產品性質與輸出值即選礦產品性質的關系；
步驟4：將步驟3擬合出的輸入與輸出的關系以函數的形式保存；
步驟5：使用若干組新的輸入輸出數據對該函數進行測試，若對誤差不滿意則需重復步驟3，若對誤差滿意則進行下一步驟。
步驟6：以某批次配礦產品性質實際值作為輸入，通過擬合出的函數關系計算出本批次礦石選礦產品綜合指標的預測值。
所述步驟3根據收集到的配礦產品性質歷史數據和選礦產品性質歷史數據，通過神經網絡算法擬合出輸入值即配礦產品性質與輸出值即選礦產品性質的關系，具體步驟如下：
步驟3.1：對配礦產品的全鐵品位、磁性鐵值、亞鐵值、碳酸鐵值、硅酸鐵值、礦石粒度、磁選管產率以及所對應選礦產品的綜合精礦品位、綜合尾礦品位、礦石選比、礦石成本進行歸一化處理。
步驟3.2：對所有數據打亂順序，隨機排序。取數據的百分之九十組作為訓練數據，后百分之十組作為測試數據。
步驟3.3：通過神經網絡算法對訓練數據進行擬合，并用測試數據對擬合結果進行測試，當測試結果滿意時，保存好這組關系。
所述步驟6以某批次配礦產品性質實際值作為輸入，通過擬合出的函數關系計算出本批次礦石選礦產品綜合指標的預測值，具體步驟如下：
步驟6.1：對輸入值進行歸一化處理；
步驟6.2：通過保存的函數關系計算出對應的輸出值：
步驟6.3：對輸出值進行逆歸一化處理，得到選礦產品綜合指標的預測值。
本發明的優點是：
結合歷史生產數據、現場調研情況以及專家經驗理論分析，選礦產品綜合指標的預測有利于操作人員及時調整選礦策略，從而得到符合指標要求的選礦產品。本發明基于配礦產品性質，對選礦產品綜合指標進行預測，能夠為選礦策略的選擇提供依據。減少人工干預，使預測結果更具有說服力，同時降低了因操作人員業務能力問題造成失誤的風險。現場數據自動保存，不需要人工記錄，降低數據丟失、記錄錯誤的幾率。
附圖說明
圖1是本發明的具體實施方式的選礦綜合指標預測方法流程圖。
具體實施方式
下面結合附圖1，以某選礦廠實際情況為例，對本發明的具體實施做詳細說明。
本實施方式的選礦綜合指標預測方法，包括如下步驟：
步驟1：收集配礦產品性質的歷史數據，包括入選礦石的全鐵品位、磁性鐵值、亞鐵值、碳酸鐵值、硅酸鐵值、礦石粒度、磁選管產率；
表1配礦產品性質歷史數據表
步驟2：收集配礦產品所對應的選礦產品性質歷史數據，包括綜合精礦品位、綜合尾礦品位、礦石選比、礦石成本；
表2選礦產品性質歷史數據
步驟3：根據收集到的配礦產品性質歷史數據和選礦產品性質歷史數據，通過神經網絡算法擬合出輸入值即配礦產品性質與輸出值即選礦產品性質的關系；
輸入數據：
tfe為全鐵品位；mfe為磁性鐵值；feo為氧化亞鐵值；cfe為碳酸鐵值；sife為硅酸鐵值；g為礦石粒度；r為磁選管產率。
輸出數據：
α為綜合精礦品位；β為綜合尾礦品位；θ為礦石選比；δ為礦石成本。
具體步驟如下：
步驟3.1：對配礦產品的全鐵品位、磁性鐵值、亞鐵值、碳酸鐵值、硅酸鐵值、礦石粒度、磁選管產率以及所對應選礦產品的綜合精礦品位、綜合尾礦品位、礦石選比、礦石成本進行歸一化處理。
步驟3.2：對所有數據打亂順序，隨機排序。取數據的百分之九十組作為訓練數據，后百分之十組作為測試數據。
步驟3.3：通過神經網絡算法對訓練數據進行擬合，并用測試數據對擬合結果進行測試，當測試結果滿意時，保存好這組關系。
步驟4：將步驟3擬合出的輸入與輸出的關系以函數的形式保存；
(α,β,θ,δ)＝f(tfe,mfe,feo,cfe,sife,g,r)
步驟5：使用若干組新的輸入輸出數據對該函數進行測試，若對誤差不滿意則需重復步驟3，若對誤差滿意則進行下一步驟。
步驟6：以某批次配礦產品性質實際值作為輸入，通過擬合出的函數關系計算出本批次礦石選礦產品綜合指標的預測值。
表3配礦產品性質
具體步驟如下：
步驟6.1：對輸入值進行歸一化處理；
步驟6.2：通過保存的函數關系計算出對應的輸出值：
步驟6.3：對輸出值進行逆歸一化處理，得到選礦產品綜合指標的預測值。
表4選礦綜合指標
本發明基于配礦產品性質，對選礦產品綜合指標進行預測，與現行的依賴人工經驗預測的方法相比較具有以下優點：快速準確的預測選礦產品綜合指標，為選礦策略的選擇提供依據。神經網絡算法與專家經驗以及歷史數據相結合，結果可信度更高。減少人工干預，預防不必要的錯誤。