创新点数理统计方法在判别煤中元素赋存状态和来源时有诸多问题,例如不同基准下(全煤基和灰基)煤中元素相关性不一致问题。不同的层次聚类算法在判别煤中元素的赋存状态时也会有诸多问题,例如不同的层次聚类算法会导致煤中元素赋存状态的推测结果不同。机器学习的发展为上述问题的解决提供了解决方法。另外,机器学习在煤中关键金属和有害元素的地球化学的研究的优势,在以机器学习算法预测钡对关键金属元素铕干扰的临界值和基于CART算法确定我国煤中铀的辐射危害阈值2个实例中,机器学习算法得出的结果相比传统方法更加精准。
长按识别
转载请注明地址:http://www.1xbbk.net/jwbls/700.html