现代矿业2023，Vol.39Issue(6) ：207-212.DOI:10.3969/j.issn.1674-6082.2023.06.051

基于Entropy-Kmeans++的尾矿库安全风险分级预警模型

Tailings Pond Safety Risk Classification Early Warning Model Based on Entropy-Kmeans++

于猜 吴欣乾 刘志远 刘芳 许晖
现代矿业2023，Vol.39Issue(6) ：207-212.DOI:10.3969/j.issn.1674-6082.2023.06.051
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Entropy-Kmeans++的尾矿库安全风险分级预警模型

Tailings Pond Safety Risk Classification Early Warning Model Based on Entropy-Kmeans++

于猜 1吴欣乾 1刘志远 1刘芳 2许晖1
扫码查看

作者信息

  • 1. 中钢集团马鞍山矿山研究总院股份有限公司;中钢矿院(马鞍山)智能应急科技有限公司;华唯金属矿产资源高效循环利用国家工程研究中心有限公司
  • 2. 昆明市东川金水矿业有限责任公司
  • 折叠

摘要

针对尾矿库安全监管难度大、安全防范意识不足的问题,提出了一种基于Entropy-Kmeans++的尾矿库安全风险分级预警模型.首先,以某尾矿库为例,根据尾矿库现状确定威胁尾矿库安全的主要因素,建立适用于该尾矿库的评价指标体系;其次,运用熵权法(Entropy method)获取各指标对应的权重信息,得到各个数据点的风险综合评分;接着,采用Kmeans++算法对风险评价结果进行聚类,得到风险评价结果的划分等级.最后运用该模型确定每个数据点对应的风险等级.结果表明:尾矿库安全风险分为低风险、较低风险、中风险、较高风险、高风险5类,该模型的评价结果与该尾矿库的实际安全情况一致,能够有效对该尾矿库的安全风险进行预警.

关键词

尾矿库/Kmeans++/信息熵/相关性分析/风险分级

Key words

tailings pond/Kmeans++/information entropy/correlation analysis/risk classification

引用本文复制引用

出版年

2023
现代矿业
中钢集团马鞍山矿山研究院有限公司

现代矿业

影响因子：0.33
ISSN：1674-6082
参考文献量13
段落导航相关论文