基于支持向量机的高炉煤气利用率预测建模

煤气利用率是反映高炉能耗和平稳运行的重要指标。为了实现对高炉煤气利用率的准确预测,首先依据最大信息系数选择合适的输入参数,分别选取次于该状态参数时刻1 和2 h后的煤气利用率作为输出参数,并在建模之前对数据进行标准化处理。在此基础上建立基于支持向量回归(SVR)的高炉煤气利用率预测模型,并利用高炉的部分生产数据将该模型的预测结果与多层感知器(MLP)模型进行对比。最终预测结果表明,SVR模型在预测1和2 h后的煤气利用率时精确度更高,达到了更好的预测效果。     

岩溶地下河日流量预测的小样本非线性时问序列模型

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地下河流域日流量模拟和预测,并与BP人工神经网络、多元线性回归模型预测结果进行对比.偏最小二乘-遗传-支持向量回归模型模拟期的均方误差(MSE)、平均绝对百分比误差(MAPE)分别为0.25%、6.89%,预测期为0.65%、6.03%;BP神经网络模拟期的MSE、MAPE分别为0.24%、7.30%,预测期为0.84%、7.39%;多元线性回归模型模拟期的MSE、MAPE分别为0.28%、9.30%,预测期为1.10%、10.54%.结果表明,偏最小二乘-遗传-支持向量回归模型预测精度明显优于BP人工神经网络和多元线性回归模型.     

从神经网络到支撑矢量机(下)

４．２非线性支撑矢量机在输入空间中构造最优分界面的方法类似于经典的感知机 (单个神经元 )方法。这种方法仅当样本集为线性可分时才能使经验误差等于零。由于许多问题 ,甚至包括像异或 (ＸＯＲ )这样简单的问题都不是线性可分的 ,因此用这种方法求得的解常常由于经验误差过大而失去意义。解决这个问题的第１个途径是多层感知机 ,即神经网络方法 ,其实质就是将近似函数集由感知机所用的简单线性指示函数扩展成由许多线性指示函数叠加成的一个更为复杂的近似函数集 ,再用Ｓ形函数来近似指示函数中的单位阶跃函数 (或符号函数 ) ,从而得到使…     

外源Fe2+浓度及矿物粒径对生物浸铀的影响

为改善以往生物浸铀效率不高的缺陷,通过添加外源Fe2+及改变矿物粒径来提高生物对铀的浸出率。研究结果表明：外源Fe2+浓度分别为0、0.5、1.0和2.0 g/L时,铀浸出率分别为87.34%、88.27%、91.23%、89.13%,当浸出体系中Fe2+浓度为1.0 g/L时,铀矿石会产生部分溶解且表面粗糙孔隙明显,有利于铀的浸出,溶浸液中存在适量的Fe2+对生物浸铀的能力具有提升效果。另外,外源Fe2+对铀矿生物浸出符合固体产物层缩核模型,浸出过程主要受扩散控制。当粒径＜- mm和-5 mm时铀浸出率分别为91.23%和83.70%,矿物粒径适当减小可增大颗粒比表面积,同样利于铀的浸出。     

基于正交信号校正和稳健回归的带钢酸洗浓度预测模型

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求.      

气象因素与杨干象虫口密度的多元线性回归和判别分析

[目的]研究气象因素对杨干象发生的影响.[方法]利用多元线性回归和判别分析的方法分析了1～12月份月极低温度、月极高温度、月平均温度、月降水量等对杨干象发生的影响.[结果]多元线性回归后,建立了回归模型:y=0.781+0.021x<,16>+0.004x<,26>+0.058x<,20>+0.015x<,23>+0.055x<,34>,模型的预测精度达到了利用模型进行预测的基本要求.通过对进入多元线性回归模型中的自变量和因变量的关系进行判别分析,进一步确定了影响杨干象虫口密度的重要气象因子,分别为4月极低温度(x<,34>)、2月极高温度(x<,23>)、1月平均温度(x<,16>)、3月平均温度(x<,26>)和1月降水量(x<,20>).[结论]4月极低温度(x<,34>)、2月极高温度(x<,23>)、1月平均温度(x<,16>)、3月平均温度(x<,26>)和1月降水量(x<,20>)是影响杨干象发生的重要气象因子.     

转炉终渣成分和溅渣时间数据驱动预测模型开发

基于260 t转炉实际生产数据，通过机器学习算法XGBoost(eXtreme Gradient Boosting,极限梯度提升树)、弹性回归、线性回归、AdaBoost(Adaptive Boosting,自适应提升树)四种算法建立了终渣主要成分CaO、SiO₂、TFe和MgO的预测模型。通过优化调参，XGBoost终渣成分预测模型的决定系数R²均在0.8以上。溅渣时间模型采用SVR(Support Vector Regression,支持向量机回归)、LGBM (Light Gradient Boosting Machine,轻量梯度提升机回归)、GBDT(Gradient Boosting Decision Tree,梯度提升树回归)、RF(Random Forest,随机森林)和XGBoost五种算法进行建模。通过探究，将SVR、XGBoost、GBDT算法使用集成方法得到Stacking集成溅渣时间预测模型，Stacking集成溅渣时间预测模型提升了单个模型的预测效果，偏差为±20 s的预测命中率达89.95%。     

钛合金相变点预测模型的构建和评估

基于西北有色金属研究院实际生产中统计的321组钛合金铸锭化学成分与相变点数据,构建了预测钛合金(α+β)/β相变点的人工神经网络模型和多元线性回归模型,并对模型的准确性进行了评价分析。结果显示,多元线性回归模型的训练值及预测值与(α+β)/β相变点实际值的相关性系数分别为0.761 05和0.809 93,而人工神经网络模型的相关性系数分别为0.927 21和0.818 51,具有更好的相关性。人工神经网络模型的平均绝对误差为4.02℃,相比多元线性回归模型(平均绝对误差为5.11℃)具有更高的精度,可以更好地描述合金元素与钛合金(α+β)/β相变点之间的非线性关系。     

基于遗传算法建立球团矿配料寻优模型的研究

球团矿作为高炉入炉的必备原料,其性能直接影响铁水质量和高炉顺行,对球团矿进行入炉前的质量检测不可或缺。以球团矿物理性能指标中的抗压强度、制备过程中的粘结率作为球团矿质量指标进行预测,并对球团矿进行配料寻优。首先,对所搜集的数据进行正态性检验和相关性分析;然后,建立多元线性回归分析模型,分别拟合出抗压强度、粘结率与原料之间的多元线性回归方程;最后,建立配料寻优模型,在已知球团矿抗压强度、粘结率的情况下,将抗压强度、粘结率的实测值与预测值之差作为寻优目标,采用遗传算法和熵权法反向优化对模型进行求解。研究发现:原料w(Ca)、二元碱度(R_2=CaO/SiO_2)、三元碱度(R_3=(CaO+MgO)/SiO_2)与球团矿抗压强度、粘结率存在相关性,可以较好地探究原料与指标的关系并实现配料优化。利用多元线性回归分析模型求解的抗压强度预测相对误差为4.826%,粘结率的预测相对误差为4.360%;利用配料寻优模型求解得到最合适的3种配料预测值与实测值之间的预测相对误差分别为1.18%、0.99%、2.63%,该误差相对于回归分析的误差更小,可作为球团厂配料参考的重要依据,进而为改善球团矿质量提供依据。     

回归分析及其在炼铁生产中的应用(四)

五、多元线性回归前面讨论了两个变量之间的回归问题,在生产和科研的实际中,常常遇到影响因变量的自变量不是一个,而是多个的情况,这科回归问题谓多元回归分析。多元回归又分为多元线性回归和多元非线性回归两类。多元线性回归在实际中应用颇多,这是由于因变量与自变量之间线性关系是经常遇见;线性回归计算相对地较简单,工作量也较小.多元非线性回归比多元线性回归复杂,计算工作量也大,故应用较少;另一方面许多非线性回归问题都可化为线性回归加以处理,这样以来使复杂的非线性问题变成线性,问题得到简化。多元线性回归的用途:(1)推导出多个自变量与因变量之间的关系式——多元线性回归方程。     

利用数值模拟确定地浸采铀过程中溶浸范围

溶浸范围的确定是酸法地浸采铀工艺中的重要一环。以内蒙一个铀采区为例,以水动力模型和溶质运移模型为基础,分别用pH<2、水力梯度趋于自然流场和迹线累积流量贡献率>97%三种方式确定溶浸范围,对比分析三种条件下确定的溶浸范围。可以得到：1)三种方法确定的溶浸范围均与铀矿溶解范围相近,可以用来表征溶浸范围;2)三种方法在边缘位置与铀矿溶解范围存在一定差异,其中,pH圈定范围与之最为相近;3)以pH<2为标准的操作难度较小,其余两种方法数据处理较复杂。pH<2最适合用于表征溶浸范围。     

砂岩型铀矿石无氧化剂碱法浸出特征

为研究无氧化剂条件下砂岩铀矿碱法溶浸水岩作用过程及铀浸出特征,在实验室开展了蒸馏水浸泡和无氧化剂碱法浸出试验。结果表明,无试剂的水岩作用盐离子综合体及水中天然溶氧作用,可使铀向水中弱迁移;无氧化剂碱法浸出铀迁移强度与HCO3-浓度正相关,HCO3-浓度700～900mg/L是对浸铀影响相对显著的区间;UO2(CO3)22-和UO2(CO3)34-是无试剂和碱法浸出溶解铀的主要存在形式,两者占比与HCO3-浓度和pH相关。缺少氧化作用的碱法浸铀强度较弱,液固比1.5∶1浸出40d铀回收率17.17%～22.37%,且浸出速度衰减较快,这与矿石中的铀以四价占优有关。尽管如此,在碱性地下水体系尤其是碱法地浸退役采区,长时间内铀的迁移仍不可忽视。     

含夹层砂岩铀矿床可浸出资源量计算及储层改造影响分析

鄂尔多斯某砂岩铀矿床含矿层中钙质夹层的铀矿品位高、夹层厚度大,是否考虑钙质夹层对于计算整个矿层的储量和可浸出资源量影响显著。基于试验井测井解释资料,描述了含钙质夹层铀矿床矿层特征,识别了钙质夹层主要测井响应特征,通过线性插值方法,计算了铀矿层的储量。结果显示,钙质夹层储量占总储量的25.2%。结合柱浸试验和岩心样品试验数据,构建了含夹层砂岩型铀矿床可浸出资源量计算方法,应用结果表明,中性浸出条件下,在不考虑夹层时,该单元可浸出资源量为16 978 kg。考虑夹层的储量及CO₂增渗效果时,可浸出资源量为17 210 kg,较不考虑夹层时提高了1.36%,其中钙质夹层中铀矿浸出率为2.37%。定量考虑了多种增渗技术对可浸出性的影响,酸法和超声波增渗技术约能分别提高钙质夹层浸出率到7.84%和9.42%,该单元可浸出资源量较不考虑夹层时分别提高了4.51%和5.43%。理想条件下爆破增渗可实现钙质夹层的最大化开采,但会抑制常规矿层的高效浸出。研究表明,含夹层铀矿床中钙质夹层的铀矿能否有效浸出对总浸出量影响较大,对夹层采取一定的矿层增渗技术可显著提高浸出量。     

Optimizing the Prediction Accuracy of Concrete Compressive Strength Based on a Comparison of Data-Mining Techniques

This study attempts to optimize the prediction accuracy of the compressive strength of high-performance concrete (HPC) by comparing data-mining methods. Modeling the dynamics of HPC, which is a highly complex composite material, is extremely challenging. Concrete compressive strength is also a highly nonlinear function of ingredients. Several studies have independently shown that concrete strength is determined not only by the water-to-cement ratio but also by additive materials. The compressive strength of HPC is a function of all concrete content, including cement, fly ash, blast-furnace slag, water, superplasticizer, age, and coarse and fine aggregate. The quantitative analyses in this study were performed by using five different data-mining methods: two machine learning models (artificial neural networks and support vector machines), one statistical model (multiple regression), and two metaclassifier models (multiple additive regression trees and bagging regression trees). The methods were developed and tested against a data set derived from 17 concrete strength test laboratories. The cross-validation of unbiased estimates of the prediction models for performance comparison purposes indicated that multiple additive regression tree (MART) was superior in prediction accuracy, training time, and aversion to overfitting. Analytical results suggested that MART-based modeling is effective for predicting the compressive strength of varying HPC age.     

Acidic rate- and flow-controlled dissolution of uraninite ores

A mathematical model is developed to calculate rates of uranium leaching as a function of flow rate and oxidant concentration for acidic solutions. The model is based on a simple plug-flow formulation for the conservation of mass and on experimental rate expressions for the aqueous oxidation of uraninite and pyrite by either ferric ion or hydrogen peroxide. Model calculations of oxidant and dissolved uranium concentrations are generally in good agreement with those measured in column experiments in which synthetic ores consisting of mixtures of uraninite, pyrite, and quartz sand were leached by dilute sulfuric acid solutions (pH = 1.7) that contained ferric ion or hydrogen peroxide as the oxidant. The experimental and modeling results show that uraninite is preferentially leached from pyritic ores by ferric ion solutions, but is less selectively leached by hydrogen peroxide. The calculated and measured rates of uranium leaching for pyritic ores indicate that it is most efficient to use high oxidant concentrations and high flow rates to take advantage of the more rapid reaction rates of uraninite with oxidant compared to reaction rates of pyrite with oxidant. At high flow rates, uranium extraction is maximized throughout a proportionately greater amount of ore before other competing reactions deplete the oxidant concentrations in the leaching solution. Formerly a Graduate Student with the Department of Geochemistry and Mineralogy, The Pennsylvania State University     

基于Origin的溶浸浸出率预测模型研究

溶浸浸出率预测的准确程度对于应用溶浸采矿技术的矿山设计、生产和研究具有重要的.指导意义.采用Origin软件对铜尾矿摇瓶浸出和铀矿石堆浸的浸出率进行模拟和预测.先根据矿石浸出率的变化规律,选取不同的数学模型,再采用该模型对浸出率原始数据进行模拟,对未来数据进行预测.预测结果表明,不同数学模型对溶浸浸出率的预测效果不同,...     

基于数值模拟分析赤铁矿对地浸采铀的影响

在地浸采铀过程中,赤铁矿作为铀矿中常见的伴生矿物,在溶解过程中会生成三价铁离子,为探明酸法浸铀过程中因赤铁矿的水岩作用产生的变化及其对铀浸出的影响,以巴彦乌拉地浸采铀过程为例,通过模型概化构建赤铁矿存在下不同的模型进行对比分析。结果表明,1)模拟过程结束后(500d),赤铁矿的溶解速率相对较慢,注液孔1、2处区域矿层内的赤铁矿溶解量仅12.86%,而发生溶解的区域也因抽注作用形成的人工流场影响下,呈现出两极分化的趋势,并且相邻的两个注液孔之间的水力场也出现相互影响的现象,其中注液孔1溶解区域最远处距离注液孔14.1m,最近处8m;注液孔2溶解区域最远处距离注液孔12m,最近处7m。2)矿层中赤铁矿的存在对铀浸出有着巨大的影响,赤铁矿溶解时产生的三价铁离子加速了铀矿的溶解,矿层中仅含有1.08%的赤铁矿时,生产模型注液孔1处区域内的沥青铀矿仅需要11d便完全溶解,而理想模型同样区域的沥青铀矿需要75d才完全溶解;整个模拟过程结束后(500d),生产模型中,铀矿完全溶解的区域最远处仅离抽液孔12.2m,而理想模型内,铀矿完全溶解的区域离抽液孔24.4m。3)抽注作用形成的水力场将会对整个地浸采铀产生非常重要的影响,无论是溶浸液运移的路径与时间,还是矿层溶解的趋势和走向,都被人工流场影响着,因此需要对抽注系统进行合理布置,使得在实际生产中,矿区内不存在水力场死角,所有区域都能够被溶浸液覆盖。     

酸法地浸采铀中孔隙度及铀浸出迁移的时空演化

在酸法地浸采铀过程中,铀在溶解—沉淀—再溶解的过程中会生成石膏堵塞空隙,导致孔隙度及铀浸出迁移的变化。为探明酸法浸铀过程中因石膏沉淀堵塞产生的变化,以某实际地浸采铀过程为例,通过模型概化构建孔隙度变化下的不同模型进行对比分析。结果表明:1)模拟过程结束后(600d),整个模型孔隙度均发生不同程度的变化,在注液孔2与注液孔5所在截面内,0m处孔隙度增幅最大,增大了3.66%,8m处孔隙度降幅最大,减少了1.66%。2)铀矿的浸出速率与该处孔隙度呈正相关,t=8d时,0m处生产模型孔隙度达到最大,理想模型与生产模型在该处的铀矿剩余量差值也达到最大,理想模型沥青铀矿剩余量为54.84%,生产模型沥青铀矿剩余量为54.74%。t8d时,0m处生产模型孔隙度开始减小,铀矿浸出速率下降,t=18d时,理想模型与生产模型铀矿剩余量相等。3)孔隙度减少的矿层直接影响到溶浸液在其中的迁移,降低了铀浸出迁移的效果。t=600d时,8m处生产模型孔隙度达到最小值,溶浸液运移阻碍影响达到最大时,理想模型与生产模型中10m处沥青铀矿剩余量差值也达到最大,理想模型为9.65%,生产模型为13.34%。     

基于渗流-化学-应力多场耦合的砂岩型铀矿CO2+O2地浸开采的数值模拟

为探明不同影响因素对CO2+O2地浸采铀效果的影响规律和影响机理，首先建立了适合CO2+O2地浸的渗流-化学-应力多场耦合数值模型，其次，结合实际现场工况，开展了注液速率、渗透率、O2配加浓度、HCO3－配加浓度和铀矿石平均品位对CO2+O2地浸采铀影响的数值模拟研究。研究表明：CO2+O2地浸过程中，抽液井铀浓度呈现“缓慢上升-快速上升-缓慢下降-趋于稳定”的阶段性变化趋势；矿层渗透率、铀矿石平均品位、O2配加浓度、HCO3－配加浓度与抽液井铀浓度呈现线性正相关关系，溶浸液的注入速率与抽液井铀浓度呈现线性负相关关系；CO2+O2地浸过程中应该选择初始渗透率大且铀品位高的矿层，同时应该适当加大O2和HCO3-的配加浓度，并控制好溶浸液注入速率，可实现铀资源的高效开采。本研究对CO2+O2地浸矿层的选择和地浸工艺的优化具有重要的指导意义。