矿业研究与开发

作者：张茜,王然风,付翔,王珺,韩杰,魏凯

关键词：加权相似性;半监督学习;混煤配比;多聚类特征选择

选煤厂的入选原煤一般来自于多个矿井或同一矿井的不同工作面,在不具备井下分采分运能力且难以确定混煤配比时,直接入选会造成煤质波动大、影响分选工艺效果等问题.基于此,提出了一种基于概率密度正态分布加权相似性的半监督混煤配比智能预测方法,采用逐步判别分析和K-means＋＋算法对多聚类特征选择(MCFS)算法进行优化,获取聚类数据标签并解读,从而实现煤质信息的判别.对各单煤特征变量的拟合正态分布概率密度曲线,结合ReliefF算法计算特征权重分析概率密度分布相似性,实现混煤配比预测.试验结果表明:与采用基于变异系数法加权、基于主成分分析法加权的混煤配比预测模型相比,结合ReliefF算法及Kullback-Leibler(KL)散度计算概率密度正态分布加权相似性构建的混煤配比预测模型,预测结果与实际情况吻合度更高,预测精度大幅提升至95.66％,能够满足生产现场对混煤配比准确快速预测的需要.

来源：2024年第10期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第10期