随着国民经济的快速增长,我国工业化进程的不断推进,具有经济价值的高品位矿石正在迅速减少,金属资源枯竭形势十分严峻。另一方面,我国蕴藏着大量的低品位有色金属资源,因此如何经济有效地利用低品位有色金属矿物资源,对我国的可持续发展具有重要意义。相对于传统的火法冶金,湿法冶金能够处理复杂矿、低品位矿等,并且对环境污染小,因此,湿法冶金得到了广泛应用。浸出过程是湿法冶金的核心操作单元,是后续工艺的基础,然而,目前浸出生产过程的控制还停留在离线分析、经验调整、手动控制的水平。要实现浸出过程自动化控制,浸出率的在线测量是急需解决的问题。本文正是针对这一问题,在深入分析湿法冶金浸出生产过程特点的基础上,采用混合建模思想,建立了浸出率的预报模型。另外,考虑到模型评估是模型有效性的前提保证,因此进行了模型置信度的研究；在此基础之上,针对浸出过程所具有的慢时变特性,对模型更新问题进行了深入的研究。本文主要内容包括：(1)在对浸出过程进行深入分析的基础上,以物料守恒分析为基础,辅以集总动力学,建立了浸出过程的稳态机理模型。并通过仿真实验分析验证了模型的有效性。(2)考虑到浸出过程所具有的复杂特性,以及机理模型的建立是在一定假设和简化前提条件下的,因此,单纯利用机理模型难以实现浸出率的准确预报。针对上述问题,本文采用了混合建模的思想建立了浸出过程预报模型。该模型由两部分组成：简化机理模型和数据模型。简化机理模型描述了浸出过程的基本特性,数据模型对未建模部分进行误差补偿。为了提高数据模型的泛化性能,数据模型采用了集成学习算法。通过仿真实验,验证了混合模型的有效性。(3)模型评估是模型有效性的前提保证,也能为模型更新提供指导。因此根据集成建模方法的特点,首先对混合模型的置信域进行评估。同时针对浸出过程的慢时变特性,当模型预测精度达不到要求的时侯,利用增量学习算法,对混合模型的输出进行校正与补偿。