-
题名基于KPCA-SVM的预测模型在铀矿堆浸中的应用
被引量：2
- 1
-
-
作者
宋月婵
刘光萍
-
机构
东华理工大学理学院
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)
-
出处
《江西科学》
2015年第1期106-111,共6页
-
基金
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(101116)
-
文摘
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
-
Keywords
cumulative uranium leaching rate
forecast
kernel principal components analysis
support vector machines
particle swarm optimization
-
分类号
N794
[自然科学总论]
-
