依据“金属量守恒”与“有价元素量守恒”两大原则，推导出选矿全局的综合指标间机理模型。使用并对比常见的传统机器学习和数据驱动结合机理模型的方法分析“原矿品位”与“单位精矿成本”和“精矿品位”与“单位精矿成本”的关系，并最终得到选矿环节“品位-成本”关系曲线。最后结合矿冶工程全流程“采选冶”工序的品位-成本关系，围绕选矿企业提出了全流程的品位优化曲线，得到最佳原矿品位与精矿品位。
提出了一种信息素增强策略的SSA-SVR方法，基于数据驱动寻找不同原矿性质与设备性能波动影响下的最优混磁精品位，并构建人工神经网络模型输出当前混磁精品位下的最佳给矿量和强磁机电流。通过仿真，改进算法的预测精度提升了约6.7%，并且在小样本下显著提升了运算速度，体现出改进算法在精度与速度方面的优越性。
考虑企业实际应用背景，将成本分析与品位优化过程可视化展现，开发了一种选矿流程品位优化决策系统。系统能够连接到企业的MES平台并联机运行，为选矿企业品位决策与和控制起到辅助作用。
参考文献（略）
