简介： 本发明公开一种矿物浮选过程指标的在线预测方法，首先基于关联K近邻(KNN)对样本缺失数据进行插补，再利用皮尔逊相关系数和显著性检验的方法进行特征筛选；然后建立基于时滞反馈网络(NARX)的浮选品位预测子模型，并将浮选机理和数据分析相结合，共同决定网络的时滞和反馈阶次；最后，以NARX为基学习器，支持向量回归(SVR)为次级学习器，建立基于NARX和SVR的stacking集成学习浮选品位预测模型。本发明用于铝土矿实际生产过程精矿品位和尾矿品位的预测，均方根相对误差分别为4.41％和5.19％，平均相对误差分别为3.62％和4.08％。