：铜浮选生产是铜矿选别中的重要工艺过程,浮选过程工艺参数众多、参数间存在复杂关联且存在对浮选工况不同影响,导致工艺参数难以实时调节,从而影响浮选工况的稳定运行。当前铜浮选过程中积累了海量的生产运行数据,从数据中挖掘出有效的知识用于工况特性分析,对提高铜选矿过程的资源利用率和生产效率具有重要意义。网络化数据挖掘是采用复杂网络的方法来建模,通过将大规模实际数据对象及对象间的关系映射为网络拓扑的形式,将网络拓扑作为一种知识表示方式,采用复杂网络的理论和方法,对网络拓扑结构进行分析和挖掘,发现蕴涵的浮选操作间联系规律的信息和知识。通过建立基于数据的铜浮选过程网络化模型,用复杂网络方法研究浮选生产过程大规模数据对象间的相互关系,并对不同工况下网络拓扑特性进行研究,识别关键工艺参数,并对铜浮选过程工况特性进行分析。因此,论文的研究内容和主要创新点如下：(1)针对铜浮选过程中参数多且参数间严重耦合特点,通过分析参数度量样本间的相似性,综合考虑铜浮选过程中工艺参数对工况的不同影响,提出了利用工艺参数关联网络来辨识敏感参数的方法。为了建立准确的浮选过程网络模型,首先利用拉依达准则与标准化方法进行数据预处理,再以参数为节点,参数间联系为连边,基于时间序列相似性度量与最小生成树方法构建参数关联网络模型,最后利用基于加权网络凝聚度及节点重要度指标评估方法辨识敏感参数。(2)为了准确地识别浮选过程的不同工况,提出了决策参数集的概念,基于决策参数集样本间的相似性分析,选取合理阈值构建决策参数集关联网络。利用改进的K-means聚类算法探寻关联网络子社团,进而识别浮选过程的不同工况,并分析不同工况对应的子社团拓扑特性,揭示了网络拓扑特性与浮选过程工况的联系,所提方法将对于浮选过程中多参数间关系的直观分析与工况识别提供新途径和新方法。图18幅,表7个,参考文献72篇。