本发明涉及一种选矿过程关键参数自适应预测方法，首先建立基于深度相关对齐(Deep Coral)的磨矿分级工况划分模型；然后将相对位置编码引入Transformer中，对注意力机制进行解耦来将位置信息直接编码进注意力机制，进而提高预测性能；进一步，提出一种自适应预测网络，将分布匹配正则化项应用于Transformer模型的隐藏特征上，减少不同工况之间的分布差异来学习模型隐藏特征的共同知识，提高模型泛化能力；最后采用基于Boosting的方法来学习隐藏状态的重要性。本发明，减少不同工况之间的分布差异，克服现有方法由于磨矿分级数据分布不稳定而导致的磨机负荷预测精度不足等局限，对选矿过程关键参数的预测具有理论和实际意义。