逆锑盐净化过程是湿法炼锌工艺的关键工序,主要通过加入锌粉和锑盐置换除去硫酸锌溶液中的杂质离子。净化过程机理复杂、长流程特性以及检测大滞后导致过程优化控制困难,因此研究净化过程多金属离子浓度预报方法对实现过程的优化控制以及降低原料消耗具有重要意义。在分析湿法炼锌逆锑盐净化过程工艺和影响因素的基础上,结合电化学理论、支持向量机方法和智能集成建模思想,实现净化二段出口钴、镉离子浓度预报,其主要研究内容有：(1)通过对金属离子置换反应机理进行分析,建立基于反应动力学的机理模型,并采用偏最小二乘(PLS)方法对模型中扩散速度常数进行辨识。并将所建模型进行工业数据验证,结果表明,模型能较好的反映工业过程,但预测精度难以满足实际工业生产的要求。(2)针对机理模型预测精度低,研究基于最小二乘支持向量机(LS-SVM)的钴、镉离子浓度预报方法。并对LS-SVM模型参数问题,提出一种混合量子粒子群(HQPSO)算法对模型参数进行优化选择,提局LS-SVM模型的学习性能和泛化能力。利用实际工业生产数据进行仿真验证,结果表明,所建立模型具有较高的精度,但工况不稳定或受到严重干扰时,模型预测结果不够理想。(3)结合机理模型和LS-SVM模型优势,建立基于机理模型和LS-SVM模型的钴、镉离子浓度预报模型,并通过智能协调器对两个模型的输出结果进行协调输出。实际工业数据仿真及对比结果表明,智能集成模型比机理模型和LS-SVM模型具有更好的预测效果,能为实际工业生产的优化操作提供依据。