硫化矿石自燃倾向性等级划分的支持向量机模型及应用

来源期刊：湖南有色金属2017年第2期

论文作者：郭峰

文章页码：5 - 21

关键词：硫化矿石;自燃倾向性;支持向量机;等级划分;

摘    要：为准确判定硫化矿石的自燃倾向性等级,提出一种硫化矿石自燃倾向性等级划分预测模型——支持向量机(Support Vector Machine,SVM)模型。结合已有的研究成果,选取表征硫化矿石自燃倾向性本质特性的自热点温度、室内低温氧化质量增加率和自燃点温度3项指标作为硫化矿自燃倾向性等级划分的基本判别因子。使用典型高硫矿山的18组矿样的实测数据作为训练样本,6组硫化矿井矿样的自燃倾向性作为预测样本。分别采用网格参数寻优、遗传算法(Genetic Algorithm,GA)参数寻优、粒子群(Particle Swarm Optimization,PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的预测结果,确定最适合硫化矿石自燃倾向性等级划分的SVM回归模型的参数寻优算法。研究结果表明,网格寻优算法、GA算法取得了良好的预测效果,预测正确率为100%。因此,支持向量机模型可以用于指导高硫矿山矿石自燃倾向性等级的划分。