提出堆浸饱和度控制的物理引导代理模型

Sultan Alhamdan、Daniel Navia、Paulina Quintanilla 提出一种参数条件化的物理引导机器学习（PGML）代理模型，用于堆浸矿床在不同水力条件下的饱和度控制仿真。模型基于4096条Richards方程数值轨迹训练，从当前饱和度剖面、灌溉速率和四个水力参数预测逐小时饱和度剖面，并加入近似Gardner质量平衡惩罚。 在评估案例中，全周期跟踪偏差中位数为0.70饱和度目标的4.9%，与调好的比例-积分（PI）控制器相当；代理模型比数值求解器约快70倍，5000根柱的批量评估每柱耗时低于2 ms。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。