生物氧化预处理过程作为黄金提取的主要过程，其预处理过程的工艺决定了黄金提取率的高低。其中生物氧化预处理过程中氧化槽进气量的给定值直接影响氧化槽内细菌的活性及难处理金矿石的氧化效率，进而影响最终的黄金提取率，并且，生物氧化预处理过程中的进气量系统的电能消耗是整个生物氧化预处理工艺的主要耗能系统之一。而目前进气量的给定是一个开环系统，一般由有工作经验的工人手动调节输气管道的阀门，进而控制氧化槽的进气量，其采用的是“宁多勿少”的方法，由此带来高溶氧水平及低氧利用率，从而造成能源浪费。其次，在生物氧化预处理过程中，由于矿浆的搅拌流动、氧化槽温度高低、PH 值大小和细菌氧化活性等影响因素，增加了进气量系统的动态性和不确定性。　　因此，针对生物氧化槽进气量系统的开环调节、能源浪费和动态性等问题，提出一种基于动态数据驱动的生物氧化槽进气量精准预测方法，从而为氧化槽进气量的闭环精准控制提供决策。其主要的研究内容如下：　　（1）对生物氧化槽进气量系统建立仿真预测模型，以多级生物氧化槽系统为背景，对单个氧化槽建立进气量的状态空间模型，其次，通过考虑各级氧化槽进气量之间的相关性及耦合性，通过多级氧化槽进气量时间序列数据建立氧化槽进气量多维状态空间模型。　　（2）采用kalman算法的数据同化方法实现预测数据和实测数据的动态融合,对预测值及模型参数进行实时动态更新，由此构建基于动态数据驱动的生物氧化槽进气量预测模型框架。　　为了验证本文方法的有效性及准确性，以新疆某氰化提金厂的真实数据进行仿真，其实验结果表明：该预测框架能够对生物氧化槽进气量进行精准预测，并且，在考虑相关性下建立多维的状态空间模型的预测结果更准确。