被人们称为“万能之土”的稀土是工业的维生素,全球所有的高科技产品都来源于它。我国的稀土萃取工艺在中科院科学家徐光宪院士的研究成果——串级萃取理论的指导下领跑全球,而萃取过程中组分含量的在线检测仍然停留在“定时取样、离线分析”阶段,部分稀土领域的科技工作者将软测量技术应用于组分含量的快速检测,取得了系列成果。但是,传统的软测量方法需要依靠大量的数据支撑,而复杂的稀土萃取过程却存在数据获取成本高、数据重复等原因造成有效过程数据不多,易导致模型预测精度不高、泛化性能不佳等小样本问题,因此,通过合理方法扩充样本数量,利用大数据技术背景下的软测量方法提高稀土萃取过程模型的预测精度是一条新途径。本文针对稀土萃取过程在数据获取时,由于成本高、数据重复等原因易造成小样本问题,以铈镨/钕萃取分离过程为研究对象,提出基于虚拟样本生成的组分含量预测方法。主要的研究内容如下:1、从模型的输出属性角度出发,提出一种基于SCN隐含层插值的CePr/Nd组分含量预测方法。首先,采用SCN算法建立铈镨/钕混合溶液图像的H、S、I颜色特征分量一阶矩与Nd组分含量的非线性函数关系,然后,根据随机配置网络输入层、隐含层与输出层之间的映射关系,分别得到虚拟输入、输出数据。将生成的虚拟样本加入到真实小样本训练样本中,重新构建组分含量SCN模型,实现对CePr/Nd组分含量更为准确的预测。2、针对基于SCN隐含层插值生成的虚拟样本具有特定性的问题,从输入属性角度考虑,提出一种基于GA优化MD-MTD的CePr/Nd组分含量预测方法。首先,采用MD-MTD生成虚拟输入数据,然后通过SCN模型得到相应的虚拟输出数据;为了使生成的虚拟样本更可能的符合期望空间,将虚拟样本生成过程转化成为虚拟样本寻优过程,使用GA算法搜索得到“最优”虚拟样本集;最后,将最优虚拟样本加入到真实小样本训练样本中,重新构建组分含量SCN模型,实现对CePr/Nd组分含量更为准确的预测。3、鉴于上述两种方法分别从输出、输入属性角度考虑,均具有片面性,提出基于混合虚拟样本的CePr/Nd组分含量预测方法。综合考虑基于输入、输出属性角度的数据扩增方法之间的互补性,将SCN隐含层插值方法和GA优化MD-MTD方法生成两种不同类型的虚拟样本进行重复性数据清理后混合,通过稀土萃取生产现场采集的过程数据,对两种不同类型的虚拟样本进行合理性、有效性和适用性分析,结果表明,基于混合虚拟样本的铈镨/钕组分含量预测模型相较于真实小样本预测模型具有更好的泛化能力。综上所述,基于混合虚拟样本生成方法能够更准确的预测稀土萃取过程元素组分含量,是一种行之有效的解决稀土萃取分离工业小样本问题的有力工具。