除铜过程是湿法炼锌工艺中砷盐净化法的第一道工序,该过程的目的是将溶液中铜离子浓度降低到工艺要求的范围内,消除后液铜离子对下一道工序的不利影响,保证后续工艺的正常进行。为了实现对出口铜离子浓度的有效控制,必须及时获取铜离子浓度的实时检测值。但实际生产中采用人工化验获取,存在滞后性强,准确度较低的问题,极易造成造成锌粉添加不合理、后续反应不顺利,从而增加了企业的生产成本和能耗。因此,深入研究除铜后液中铜离子浓度的预测具有十分重要的理论意义和应用价值。论文在深入分析除铜工艺和反应机理的基础上,研究了除铜过程的主要影响因素,依据化学反应动力学和物料平衡原理,建立了一种后液铜离子浓度的预测机理模型,但由于反应机理的复杂性与建模时的假设和简化,使得其预测精度难以满足工业生产要求；在此情况下,通过对历史生产数据地分析,并结合主元分析法(PCA)原理,建立了基于最小二乘支持向量机(LS-SVM)的后液铜离子浓度预测模型,该模型能很好地描述训练样本数据之间的关系,但当工况不稳定或干扰较大时,其预测结果精度下降、跟踪速度变慢。在综合考虑机理模型的全局拟合能力和最小二乘支持向量机模型的高度非线性映射能力的基础上,引入集成建模的思想,通过设计一个以生产工况稳定情况为判断准则的协调器,将两个模型进行智能融合,最终建立了预测段后液铜离子浓度的智能集成预测模型。最后,将机理预测模型、LS-SVM预测模型和智能集成预测模型分别应用于实际的除铜工艺过程,并从精度和鲁棒性两方面对比分析了各个模型的预测性能,结果表明智能集成模型较机理模型或LS-SVM模型的预测更准确、更稳定,为实现过程锌粉添加的优化控制提供了依据,为后续反应的顺利进行创造了条件