基于BP神经网络的铀尾矿砂氡射气系数预测

论文摘要

以中国南方某铀尾矿砂为研究对象,在实测150组不同环境温度、湿度和尾矿砂粒径下的射气系数数据的基础上,基于BP神经网络预测理论,将环境温度、湿度和尾矿砂粒径作为BP神经网络的输入元,射气系数作为输出元,建立了颗粒堆积型介质射气系数的BP神经网络预测模型。将130组实测数据作为预测模型的训练样本,经过7 974次训练后精度满足要求,训练后的预测模型所得射气系数预测值与实测值的最大相对误差为2.68%,利用颗粒堆积型介质射气系数的BP神经网络预测模型得到的预测值与实测值吻合较好,预测模型可用于分析环境温度、湿度和介质粒径对颗粒堆积型介质射气系数的影响规律。

论文目录

• 1 理论模型
•   1.1 射气系数测量方法
•   1.2 BP神经网络预测模型
• 2 铀尾矿砂氡射气系数预测网络模型
•   2.1 BP神经网络结构
•   2.2 训练样本数据
•   2.3 神经网络训练及预测
• 3 预测结果的分析与讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 李实,叶勇军,黄春华,冯胜洋,吴文浩

关键词: 铀尾矿砂,射气系数,神经网络

来源: 铀矿冶 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 矿业工程,自动化技术

单位: 南华大学环境与安全工程学院,南华大学铀矿冶生物技术国防重点学科实验室,南华大学土木工程学院

基金: 国家自然科学基金面上项目(11575080),南华大学研究生科研创新项目(2017YCXXM02),南华大学研究生科学基金项目(2018KYY141)

分类号: TP183;TD926.4

DOI: 10.13426/j.cnki.yky.2019.03.013

页码: 226-231

总页数: 6

文件大小: 160K

下载量: 140