本發(fā)明提供一種基于集成學習的濃密機底流濃度預測方法，屬于采礦技術(shù)領(lǐng)域。該方法獲取實際生產(chǎn)歷史記錄數(shù)據(jù)，存儲于企業(yè)數(shù)據(jù)庫中，然后對獲取到的數(shù)據(jù)集進行預處理，再使用預處理后的數(shù)據(jù)構(gòu)造訓練集和測試集；并采用集成學習方法，利用上述構(gòu)造好訓練集和測試集進行模型的建立，實現(xiàn)對深錐濃密機的底流濃度的精確預測，最后將預測的結(jié)果通過可視化平臺展示出來。該方法能夠比較綜合的考慮影響底流濃度的絕大多數(shù)因素，以解決目前底流濃度預測模型考慮影響因素時片面不充分的瓶頸問題。并使用集成學習模型，解決單一的機器學習模型學習能力有限，不能處理大規(guī)模數(shù)據(jù)的問題，從而為濃密機的控制提供更有效且準確的參考。