典型文献
基于PCA-RBF网络模型的硫化矿自燃安全性研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
杨珊;李文文;陈建宏
作者机构：
中南大学资源与安全工程学院,湖南 长沙 410083
文献出处：
引用格式：
[1]杨珊;李文文;陈建宏-.基于PCA-RBF网络模型的硫化矿自燃安全性研究)[J].黄金科学技术,2022(06):958-967
A类：
B类：
RBF,硫化矿,安全性研究,自燃倾向性,火灾后果,后果严重,严重性,含硫量,含碳量,矿石堆,堆放,采场,人员数量,氧气浓度,矿层,评价因素集,Principal,Component,Analysis,降维处理,上原,径向基函数神经网络,Radial,Basis,Function,Neural,Network,训练样本,安全性预测,十折交叉验证法,预测准确率,预测性能,等级预测
AB值：
0.321462
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
