[1]宋月婵,刘光萍,黄 晨.MIV-SVM-BPSO模型在铀矿堆浸中的应用[J].东华理工大学学报(自然科学版),2019,42(3):247-252.
点击复制

MIV-SVM-BPSO模型在铀矿堆浸中的应用()
分享到:

《东华理工大学学报(自然科学版)》[ISSN:1674-3504/CN:36-1300/N]

卷:
42卷
期数:
2019年第3期
页码:
247-252
栏目:
OA栏目
出版日期:
2019-10-25

文章信息/Info

作者:
宋月婵12刘光萍2黄 晨1
1. 东华理工大学 长江学院,江西 抚州 344000;2. 东华理工大学 核资源与环境国家重点实验室,江西 南昌 330013
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
分类号:
TL212.1
文献标志码:
A
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,Fe3+,Fe2+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。
更新日期/Last Update: 2019-10-24