Indexed by：
Abstract：
准确判定硫化矿石的自燃倾向性等级,可为高硫矿井防灭火设计和安全回采提供重要的理论依据.结合已有的研究成果,选取表征硫化矿石自燃倾向性本质特性的自热点温度、室内低温氧化质量增加率和自燃点温度3项指标作为硫化矿自燃倾向性等级划分的基本判别因子.以采自典型高硫矿山的18组矿样的实测数据作为训练样本进行分析计算,进而建立了硫化矿石自燃倾向性等级划分的GA-BP神经网络模型.最后,运用该模型对6组硫化矿井矿样的自燃倾向性进行了分级预测.研究结果表明,6组实测样本的误判率平均值仅为2.5％,取得了良好的预测效果.因此,GA-BP神经网络模型可以用于指导高硫矿山矿石自燃倾向性等级的划分.
Keyword：
Reprint 's Address：
Email：
Source ：
自然灾害学报
Year： 2015
Issue： 4
Volume： 24
Page： 227-232
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count： 2
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
