| 基于KPCA-SVM的预测模型在铀矿堆浸中的应用 |
| |
| 引用本文： | 宋月婵,刘光萍.基于KPCA-SVM的预测模型在铀矿堆浸中的应用[J].江西科学,2015,33(1):106-111. |
| |
| 作者姓名： | 宋月婵 刘光萍 |
| |
| 作者单位： | 东华理工大学理学院,330013,南昌;核资源与环境省部共建国家重点实验室培育基地(东华理工大学),330013,南昌 |
| |
| 基金项目： | 核资源与环境省部共建国家重点实验室培育基地资助项目 |
| |
| 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。
|
| 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 |
The Application of Heap Leaching of Uranium Based on KPCA-SVM |
| |
| SONG Yuechan,LIU Guangping.The Application of Heap Leaching of Uranium Based on KPCA-SVM[J].Jiangxi Science,2015,33(1):106-111. |
| |
| Authors: | SONG Yuechan LIU Guangping |
| |
| Institution: | SONG Yuechan;LIU Guangping;College of Science,East China Institute of Technology;State Key Laboratory Breeding Base of Nuclear Resources and Environment College of Science,East China Institute of Technology; |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
