近年来,随着黄金需求的日益增加、金属冶炼要求的不断提高和能源问题的逐渐恶化,黄金的湿法冶金生产过程已经向品种多、效率高和安全性好的方向发展。在湿法冶金浸出过程中,浸出率是浸出过程最重要的衡量指标,而浸出率是不可以在线测量的,所以浸出率的预测是湿法冶金中要解决的关键问题之一。本文针对基于PLS的浸出率预测方法展开研究,具有非常重要的理论和实际意义。1.辅助变量的获取和处理。通过分析浸出过程影响浸出率的关键因素,确定过程变量,并完成数据的时刻对整。通过选取可以在线测量且对浸出率有较大影响的过程变量作为自变量,其对应的浸出率作为因变量,构成建模数据;结合实际生产情况,针对耗时长的浸出过程提出数据的时刻对整问题,使浸出率预测模型的因果关系更加准确。2.模态划分与模态识别。数据的模态划分与模态识别是建立多模态过程质量预测模型的前提。本文将针对实际生产没有任何已知或在线可测的模态指示变量的情况,提出了一种基于加权马氏距离的离线数据模态划分和在线数据模态识别方法,有效地解决模态划分和模态识别问题。3.PLS离线建模与在线预测。PLS是一种基于数据的建模方法,通过建立自变量与因变量之间的线性或非线性的回归方程,用于解释或预测等目的。针对各个模态中湿法冶金浸出过程变量与浸出率之间的近似线性相关关系,本文采用PLS建立了浸出率预测模型,实现了湿法冶金浸出过程浸出率的在线预测,且实验结果验证了方法的有效性。