论文摘要
利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值（MIV）算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群（BPSO）算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型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,模拟精度更高的优点;将浸出液体积,Eh出,Fe■,Fe2+出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。
论文目录
文章来源
类型: 期刊论文
作者: 宋月婵,刘光萍,黄晨
关键词: 累计铀浸出率,特征选择,支持向量机,离散二进制粒子群算法
来源: 东华理工大学学报(自然科学版) 2019年03期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,信息科技
专业: 矿业工程,自动化技术
单位: 东华理工大学长江学院,东华理工大学核资源与环境国家重点实验室
基金: 核资源与环境国家重点实验室资助项目(101116)
分类号: TP18;TD868
页码: 247-252
总页数: 6
文件大小: 142K
下载量: 44
相关论文文献
标签：累计铀浸出率论文; 特征选择论文; 支持向量机论文; 离散二进制粒子群算法论文;