1.基于GA-BP神经网络的富氧底吹铜锍品位预测方法,其特征在于:包括以下步骤:S1、收集铜冶炼厂稳定生产周期内的实际生产数据,其中实际生产数据包括矿物单位耗氧量S2、在现有的GA-BP模型的基础上,对遗传算法GA进行改进,得到改进后的遗传算法GA,具体改进为对遗传算法GA添加自适应交叉概率调节机制和自适应变异概率调节机制,所述自适应交叉概率调节机制用于调节遗传算法GA的遗传初期的种群更新速度和遗传后期的稳定,所述自适应变异概率调节机制用于提高种群多样性;
所述步骤S2中的自适应交叉概率调节机制表达式如下:其中,
所述自适应变异概率调节机制的表达式如下:其中,
S3、通过改进后的遗传算法GA优化BP神经网络模型,并将实际生产数据矿物单位耗氧量S4、验证改进后的GA-BP模型的预测精度。
2.根据权利要求1所述的基于GA-BP神经网络的富氧底吹铜锍品位预测方法,其特征在于:所述步骤S2中改进后遗传算法的具体步骤如下:S2.1、种群初始化,并设置种群代数S2.2、对第
其中,
S2.3、选取当前迭代的最优个体及其适应度函数值,并判断是否满足预先设定的停止条件或达到设定的最大迭代数,若满足停止条件或达到最大迭代数,则停止迭代,并将适应度函数值最小的输出为最优个体,若未满足停止条件或未达到最大迭代数,则执行步骤S2.4;
S2.4、选择算子;
S2.5、通过自适应交叉概率调节机制交叉算子;
S2.6、通过自适应变异概率调节机制变异算子;
S2.7、通过精英个体保留策略保留当前代的最优个体,同时生成
3.根据权利要求1所述的基于GA-BP神经网络的富氧底吹铜锍品位预测方法,其特征在于:所述步骤S4的预测表达式如下:其中,