重选工艺是我国选煤厂普遍采用的选煤工艺,随着选煤行业的发展,重选工艺的自动化水平越来越被人们重视,但是,在重选工艺自动化实施的过程中面临着一系列难题。首先,重选过程中一些变量的检测手段和精度严重滞后于控制策略的研究水平和需求;其次,缺乏有效的在线预测模型来指导重选过程的自动控制。因此,论文分别从重介质分选过程在线预测与粗煤泥分选过程的在线预测两个方面对重选工艺参数在线预测进行研究。　　以原煤实际化验灰分、在线测灰仪灰分,结合影响二者之间误差的可测因素,利用统计分析方法建立原煤实时灰分模型,作为整个重介质分选过程在线预测的基础;通过对原煤灰分与各密度级累计产率的相关性分析,建立原煤灰分与相关性较好的密度级累计差率模型,利用可选性曲线中密度曲线的经验模型求解相关性不好的密度级累计产率,进而建立各密度级实时累计产率模型;对各密度级浮物累计灰分、密度级和原煤灰分三者进行逐步回归分析,建立各密度级实时累计灰分模型,与各密度级实时累计产率模型共同组成原煤实时浮沉资料模型;结合原煤实时灰分模型与原煤实时浮沉组成模型给出了产品结构、分选密度、循环介质密度的预测方法,最终达到通过原煤测灰仪测得灰分数据,便可得到要调节的循环介质密度,并预测出产品结构和实际分选密度的目的。计算出的循环介质密度,可用于对重介系统进行控制。　　粗煤泥分选过程的在线预测主要是对 CSS粗精煤灰分的预测,CSS粗精煤灰分受到入料性质与CSS分选机的工艺参数的影响,因而CSS粗精煤灰分预测模型的建立同样受到多种因素的影响,而且呈现出很强的耦合性,很难通过机理分析建立准确的预测模型,本论文通过主元分析、支持向量回归机以及遗传算法等对现场采集的实验数据进行处理,建立了基于GA-SVMR的CSS粗精煤灰分预测模型,最终达到通过 CSS分选机的工艺参数实时预测粗精煤灰分的目的。