基于PCA-RBF网络模型的硫化矿自燃安全性研究

作者：杨珊; 李文文^*; 陈建宏

来源：黄金科学技术, 2022, 30(06): 958-967.

• 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

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：PCARBF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。