2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩74頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、鈾礦生物堆浸工藝是將鈾礦堆浸和生物浸出相結(jié)合的一項(xiàng)技術(shù),它不僅保留了生物浸出技術(shù)的特點(diǎn),還兼具鈾礦堆浸工藝的優(yōu)越性。因此,生物堆浸工藝憑借其良好的經(jīng)濟(jì)和環(huán)境效益,現(xiàn)如今已經(jīng)發(fā)展成為世界很多國(guó)家生產(chǎn)鈾礦的支撐性技術(shù)。
  目前,我國(guó)的鈾礦石呈現(xiàn)出類型復(fù)雜、中低品位居多等特點(diǎn),而且已不能滿足我國(guó)核電長(zhǎng)遠(yuǎn)發(fā)展的需要。因此,為了完善鈾礦生物堆浸工藝的理論研究與實(shí)踐應(yīng)用,采用一些數(shù)據(jù)挖掘方法建立數(shù)學(xué)模型,并借助統(tǒng)計(jì)分析軟件進(jìn)行仿真實(shí)驗(yàn)對(duì)生物

2、浸鈾工藝進(jìn)行研究具有重要的意義。為此,本文選取某礦區(qū)ZQ7堆浸柱在鈾礦生物堆浸工藝中產(chǎn)生的一批實(shí)測(cè)樣品數(shù)據(jù)作為樣本,建立了以下幾種數(shù)學(xué)模型對(duì)其進(jìn)行研究分析:
 ?。?)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型對(duì)鈾的累計(jì)浸出率進(jìn)行仿真實(shí)驗(yàn)。為了排除劃分樣本的偶然性,本文對(duì)樣本進(jìn)行了不同方式的劃分。實(shí)驗(yàn)表明,該模型具有較好的模擬效果,能滿足一般實(shí)際生產(chǎn)的需求。其中,前53個(gè)樣本作為訓(xùn)練集,后15個(gè)樣本作為測(cè)試集的劃分方式具有最好的模擬效果,其均方根誤差R

3、MSE=0.7012,平均相對(duì)誤差MRE=0.491823;
 ?。?)建立基于主成分分析(PCA)的支持向量機(jī)(SVM)模型(PCA-SVM)對(duì)鈾的累計(jì)浸出率進(jìn)行仿真實(shí)驗(yàn)。由于生物堆浸工藝中各因素間存在著相互關(guān)聯(lián),所以采用PCA提取出累計(jì)貢獻(xiàn)率大于85%的三個(gè)主成分作為SVM模型的輸入變量。在實(shí)驗(yàn)過(guò)程中利用網(wǎng)格搜索、遺傳(GA)算法、粒子群(PSO)算法對(duì)參數(shù)c和g進(jìn)行優(yōu)化。實(shí)驗(yàn)表明,經(jīng)PCA特征提取比未經(jīng)PCA特征提取的模型具

4、有更好的模擬效果;在三種尋優(yōu)算法中,PSO算法有最好的搜索效率;PCA-PSO-SVM模型的模擬效果最好,其結(jié)果為:均方根誤差RMSE=0.0673,平均相對(duì)誤差MRE=0.000793;
 ?。?)將支持向量機(jī)作為分類器,建立基于平均影響值(MIV)的 SVM模型(MIV-SVM)選擇特征子集?;贛IV算法可對(duì)特征因子進(jìn)行排序,以此選取得到最高精度時(shí)的前7個(gè)特征,即Eh出,pH出,F(xiàn)e2+出,F(xiàn)e2+進(jìn),F(xiàn)e3+進(jìn),F(xiàn)e3+出

5、,浸出液體積,將這7個(gè)特征作為SVM模型的輸入變量,其模擬效果優(yōu)于原始10個(gè)特征的效果,其結(jié)果為:均方根誤差RMSE=0.3519,平均相對(duì)誤差MRE=0.004173;
 ?。?)將支持向量機(jī)作為分類器,建立基于離散二進(jìn)制粒子群(BPSO)算法的SVM模型選擇特征子集。最終BPSO算法篩選出最優(yōu)的特征子集包含:噴淋強(qiáng)度,Eh出,F(xiàn)e2+進(jìn),F(xiàn)e2+出,U出共5個(gè)特征,該模型的模擬結(jié)果為:均方根誤差RMSE=0.3332,平均相對(duì)

6、誤差MRE=0.003985;
 ?。?)由于MIV-SVM和BPSO算法有其不同的優(yōu)勢(shì)及局限性,因此,可建立組合算法對(duì)樣本進(jìn)行模擬分析。采用MIV-SVM算法對(duì)特征進(jìn)行排序,快速去掉無(wú)關(guān)特征,然后以排序后的優(yōu)良子集初始化后續(xù)BPSO算法的部分種群,使其有一個(gè)好的搜索起點(diǎn)。最終MIV-SVM-BPSO模型的模擬結(jié)果為:均方根誤差RMSE=0.3071,平均相對(duì)誤差MRE=0.003528,其模擬效果均比單一的MIV-SVM和BPS

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論