基于KPCA-SVM的预测模型在铀矿堆浸中的应用

• 作者: 刘光萍 宋月婵
• 来源期刊: 江西科学
• 关键词: 累计铀浸出率 预测 核主成分分析 支持向量机 粒子群算法
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 工程与材料科学
• 页码范围: 106-111
• 页数: 6页
• 分类号: N794
• 语种: 中文
• DOI: 10.13990/j.issn1001-3679.2015.01.025

摘要

针对影响堆浸工艺铀矿浸出率的因素较多且具有非线性的特点,提出一种利用核主成分分析(KPCA)进行参数处理,整合冗余,降低维数,并将处理后得到的6个主成分作为支持向量机(SVM)测量模型输入的预测方法.在此过程中,利用粒子群算法(PSO)优化核主成分分析和支持向量机的参数,使模型具有较高的训练精度.在此基础上,对铀矿堆浸进行建模仿真,并进行预测.结果表明,基于KPCA-SVM的铀矿累计浸出率模型与BP神经网络方法相比,具有有效降低数据维数、在小样本条件下学习更加有效、建模采样过程更快、预测精度更高的优点.