资源问题已经成为我国乃至世界可持续发展战略的根本问题。湿法冶金能够处理复杂矿、低品位矿等,并且对环境污染较少,因此,许多湿法冶金新工艺不断出现并得到广泛应用。浓密洗涤过程是湿法冶金过程的一道关键工序。浓密机是其中的常用设备,其底流浓度、溢流浊度、矿浆浓度分布以及泥层高度是衡量浓密洗涤过程质量的关键指标。目前浓密机的控制仍处于人工操作状态,其浓度、流量的波动相应地都比较大,对后续生产过程的生产指标造成较大影响。同时浓密机由于影响因素多、大时滞、慢时变等特性,使得实现其自动控制一直是一个难题。建立与优化控制相关的浓密洗涤过程关键变量预测模型是实现浓密洗涤过程优化控制的关键。本文针对浓密洗涤生产过程中关键变量在线准确检测的难点,在深入分析湿法冶金浓密洗涤生产过程特点的基础上,利用机理建模与数据建模相结合的混合建模方法,全面系统地开展了湿法冶金浓密洗涤过程建模及关键变量预测方面的研究。本文的主要研究工作归纳如下：(1)从浓密洗涤过程矿浆沉降原理出发,依据固体通量理论和质量守恒理论建立浓密洗涤过程机理模型,该模型能够实现对底流浓度、溢流浊度、矿浆浓度分布以及泥层高度四个关键变量的预测。通过对所建立的模型进行仿真,揭示了浓密洗涤过程的动态特性,实现了对关键变量的预测,找出了影响浓密洗涤过程的主要因素,确定了数据建模的辅助变量,为混合建模和模型校正奠定基础。(2)针对动态机理模型在工业现场难以直接应用的难题,提出采用并行混合模型的结构建立浓密洗涤过程的预测模型。该混合模型由简化的机理模型与PLS数据补偿模型并联组成,因此能够充分发挥不同建模方法的优点。模型简化的目的是减少机理模型中的不可测变量,提高模型的运算效率。补偿模型则利用过程数据弥补由于模型简化所带来的预测精度下降问题。(3)针对预测模型无法在线跟踪过程慢时变的特性问题,提出了一种基于模型评价的模型校正策略。该方法是一种短期校正与长期校正相结合的混合校正策略。通过高斯混合模型对混合模型误差分布特性进行描述,实现对模型性能的评价以及实时的模型误差输出补偿；然后当采集样本集达到一定数量,且此时的预测误差较大或预测误差波动较大时,应用折息递推PLS算法实现对PLS模型的校正。模型预测误差补偿和数据模型校正称为短期校正。当模型运行一段时间积累了足够多的新样本数据后,就可以实现对机理模型参数进行校正,即进行长期校正。通过两种校正方式的交替使用,进一步提高了模型的预测精度与实用性。仿真结果验证了这一校正策略的有效性。