基于PCA-RBF网络模型的硫化矿自燃安全性研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.11872/j.issn.1005-2518.2022.06.081

基于PCA-RBF网络模型的硫化矿自燃安全性研究

引用
为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集.利用主成分分析法(Principal Component Analysis,PCA)对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分.将降维后的84组数据作为基于径向基函数神经网络(Radial Basis Function Neural Network,RBF)预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测.最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%.研究结果表明:PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果.

硫化矿、自燃倾向性、火灾后果、主成分分析、RBF神经网络、等级预测

30

X936(安全工程)

国家自然科学基金51404305

2023-01-16(万方平台首次上网日期,不代表论文的发表时间)

共10页

958-967

相关文献
评论
暂无封面信息
查看本期封面目录

黄金科学技术

1005-2518

62-1112/TF

30

2022,30(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn