数据与知识驱动的除铜过程多目标优化与决策方法

本发明涉及工业大数据分析与冶金技术领域，特别涉及一种数据与知识驱动的除铜过程多目标优化与决策方法，包括数据采集、数据预处理、特征选择、模型训练、基于多目标优化的锌粉添加量优化、基于多属性决策的锌粉添加量决策等步骤，预测模型具有低方差、高泛化能力，能够在数据量有限、噪声较多的工业场景中实现稳定的铜离子浓度预测；兼顾了“除铜效率最大化”与“锌粉投加量最小化”两项关键工艺目标，能够实现更高效的资源配置与更优的经济效益；通过先验知识对评价指标权重赋值，结合TOPSIS方法，在不确定性因素影响下综合考虑多项性能指标，对Pareto解集科学评估与排序，最终决策出一组稳定性高、实用性强的锌粉添加控制方案。