MIV-SVM-BPSO模型在铀矿堆浸中的应用

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(BP-SO)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;将漫出液体积,Eh出,Fe进3+,Fe出2+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.

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

所属期刊栏目：42

分类号：TL212.1(核燃料及其生产)

资助基金：核资源与环境国家重点实验室资助项目101116

在线出版日期：2019-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：247-252