生料浆配料是烧结法氧化铝生产的第一道工序,其配制的生料浆指标的好坏不仅会影响整个工艺流程的碱平衡和水平衡,而且会关系到最终产品氧化铝的质量,所以生料浆的配制至关重要。在实际的配料过程中,为了降低能耗和提高对原料的利用率,往往会将后续脱硅环节的硅渣返回到配料工序。然而,硅渣成分含量波动很大,检测结果严重滞后,致使配比不能及时、准确地调整,生料浆合格率低。因此,研究如何建立有效的硅渣成分预测模型以实现实时预测就显得尤为重要。本文以某氧化铝厂的生料浆配料过程为背景,主要研究了返料硅渣成分混合预测模型的搭建、分析及预测。主要研究工作如下:(1)针对返料硅渣时间序列的特点,综合采用样本自相关、DF和ADF三种检测方法,判定硅渣成分时间序列的平稳性,分析其短期和长期的变化趋势和规律。研究选取最优小波函数及合理的分解层数,进行小波多尺度分解。(2)根据不同尺度上的数据特点,分别构建不同的预测模型,波动性较大的高频序列采用经典ARMA模型,波动平缓的高频采用BP神经网络,而对趋势性明显的低频采用非季节Holt-winter模型,然后着重对模型参数进行优化及进行对应序列的预测。(3)将不同频率的所有预测结果进行小波重构,提出一种混合预测模型结构,并将重构后的预测效果与其他预测方法进行比较。预测和对比结果表明,基于小波分析的混合预测模型能够快速预测硅渣成分含量,相比其他的方法具有更好的预测精度,在烧结法氧化铝生产过程中有较强的实用价值。