硫化矿石自燃倾向性等级划分的支持向量机模型及应用

• 作者: 郭峰
• 来源期刊: 湖南有色金属
• 学科: 工学
• 关键词: 硫化矿石 自燃倾向性 支持向量机 等级划分
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 采选
• 页码范围: 5-7,14
• 页数: 4页
• 分类号: TD75+2.2
• 字数: 1719字
• 语种: 中文

摘要

为准确判定硫化矿石的自燃倾向性等级,提出一种硫化矿石自燃倾向性等级划分预测模型——支持向量机(Support Vector Machine,SVM)模型.结合已有的研究成果,选取表征硫化矿石自燃倾向性本质特性的自热点温度、室内低温氧化质量增加率和自燃点温度3项指标作为硫化矿自燃倾向性等级划分的基本判别因子.使用典型高硫矿山的18组矿样的实测数据作为训练样本,6组硫化矿井矿样的自燃倾向性作为预测样本.分别采用网格参数寻优、遗传算法(Genetic Algorithm,GA)参数寻优、粒子群(Particle Swarm Optimization,PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的预测结果,确定最适合硫化矿石自燃倾向性等级划分的SVM回归模型的参数寻优算法.研究结果表明,网格寻优算法、GA算法取得了良好的预测效果,预测正确率为100％.因此,支持向量机模型可以用于指导高硫矿山矿石自燃倾向性等级的划分.