img

QQ群聊

img

官方微信

  • CN 62-1112/TF 
  • ISSN 1005-2518 
  • 创刊于1988年
高级检索

黄金科学技术, 2022, 30(1): 105-112 doi: 10.11872/j.issn.1005-2518.2022.01.046

采选技术与矿山管理

基于偏序集的硫化矿石自燃倾向性评价

韩梓晴,, 李孜军,, 徐圆圆

中南大学资源与安全工程学院,湖南 长沙 410083

Evaluation of Spontaneous Combustion Tendency of Sulfide Ore Based on Partial Ordered Set

HAN Ziqing,, LI Zijun,, XU Yuanyuan

School of Resources and Safety Engineering,Central South University,Changsha 410083,Hunan,China

通讯作者: 李孜军(1967-),男,湖南醴陵人,教授,从事粉尘控制理论与技术、通风工程和安全科学理论等研究工作。zijunli@csu.edu.cn

收稿日期: 2021-04-06   修回日期: 2021-10-24  

基金资助: 国家重点研发计划项目“高海拔高寒地区矿井通风安全保障技术”.  2018YFC0808404
中南大学研究生自主探索创新项目“含硫矿石自燃倾向性鉴定方法的规范化研究”.  2020zzts698

Received: 2021-04-06   Revised: 2021-10-24  

作者简介 About authors

韩梓晴(1997-),女,河北石家庄人,硕士研究生,从事矿井通风技术、安全科学理论研究工作hzqq9897@163.com , E-mail:hzqq9897@163.com

摘要

针对传统硫化矿石自燃倾向性评价方法中指标权重的赋值争议问题,基于蕴含权重的偏序集理论,建立硫化矿石自燃倾向性偏序集评价模型。首先,阐明评价指标集并收集待判样本数据;其次,借助信息熵理论获取评价指标的权重顺序信息,构造偏序矩阵;最后,得出Hasse矩阵并绘制Hasse图,分析图中呈现的层集信息,实现对硫化矿石自燃倾向性的评价。实例分析表明:该评价模型可以有效避免传统评价方法中指标的赋权争议问题,分级结果更加精细,评价结果准确合理,具有很好的稳健性,为优化硫化矿石自燃倾向性评价方法提供了新思路。

关键词: 硫化矿石 ; 自燃倾向性 ; 指标权重 ; 偏序集 ; Hasse图

Abstract

Aiming at the controversial assignment of index weight in the evaluation method of spontaneous combustion tendency of traditional sulfide ores,a partial ordered set evaluation model for spontaneous combustion tendency of sulfide ores was established based on the partial ordered set theory of implied weight. Firstly,the low temperature oxidation weight gain rate,self-hot spot temperature and spontaneous ignition point temperature of sulfide ores were selected as the evaluation index set and the classification standard of spontaneous combustion tendency of sulfide ores was determined. Secondly,the data of the samples to be judged were collected,and the virtual samples were artificially constructed according to the grading standards. The weight order information of the evaluation indexes was obtained by using the information entropy theory,and the partial order matrix was constructed. Finally,Hasse matrix was obtained and Hasse graph was drawn,and the layer set information presented in the graph was analyzed to evaluate the spontaneous combustion tendency of sulfide ores. The example analysis results show that the evaluation model can effectively avoid the weighting dispute of the traditional evaluation method,the classification results are more precise,the evaluation results are accurate and reasonable,and has good robustness,which provide a new idea for optimizing the evaluation method of spontaneous combustion tendency of sulfide ores.

Keywords: sulfide ore ; spontaneous combustion tendency ; index weight ; partial ordered set ; Hasse diagram

PDF (890KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

韩梓晴, 李孜军, 徐圆圆. 基于偏序集的硫化矿石自燃倾向性评价[J]. 黄金科学技术, 2022, 30(1): 105-112 doi:10.11872/j.issn.1005-2518.2022.01.046

HAN Ziqing, LI Zijun, XU Yuanyuan. Evaluation of Spontaneous Combustion Tendency of Sulfide Ore Based on Partial Ordered Set[J]. Gold Science and Technology, 2022, 30(1): 105-112 doi:10.11872/j.issn.1005-2518.2022.01.046

硫化矿石自燃是高硫矿床开采过程中经常遇到的重大灾害之一。爆破崩落的硫化矿石暴露在空气中,容易发生氧化反应并释放出热量,若未及时控制,则可能由于硫化矿石发生自燃而引发重大安全事故(李孜军,2007阳富强等,2011Pan et al.,2016)。国家发展和改革委员会颁布的《产业结构调整指导目录(2019年本)》中指出:鼓励有色金属现有矿山接替资源勘探开发、紧缺资源的深部以及难采矿床的开采。随着矿山开采深度的增加,深井高温可能会加剧硫化矿石自燃事故的发生(Liu et al.,2011谢正文等,2012阳富强等,2012),准确判定硫化矿石自燃倾向性是保证矿山安全生产、高效开采的前提,因此优化硫化矿石自燃倾向性鉴定方法具有重要的理论和应用价值。

为了科学判定硫化矿石的自燃倾向性等级,学者们提出了许多判定方法。例如Yang et al.(2014)对预氧化后硫化矿石样品进行同步热分析并比较了其预氧化前后的TG/DSC曲线,得出硫化矿石预氧化后更容易自燃;Pan et al.(2017)结合小波变换并提取非线性参数,提出了基于非线性参数的硫化矿石堆在不同区域自燃倾向性鉴定的新方法,并通过现场试验验证了其可靠性;李志超等(2017)建立了硫化矿石自燃倾向性分级的RS-标准云模型,以实例进行模型检验,并将该模型应用在实际工程中;张悦等(2021)提出基于博弈论和集对分析方法对硫化矿石自燃倾向性进行判定。综合以往有关硫化矿石自燃倾向性评价方法的研究来看,评价指标如何选取及指标权重如何确定等问题是近年来的研究热点。在指标的处理方式上,不同赋权方法的选取会干扰评价结果的准确性。有些学者采用主观赋权法,如层次分析法(李孜军等,2009),评价指标赋权结果易受专家经验或主观偏好等因素影响。有些学者则采用客观赋权法,如熵权法(阳富强等,2018)、CRITIC法与TOPSIS法(谢彦蓉等,2014)等,此类方法可能会出现过度重视样本数据而忽略经验等问题。另外也有学者采用组合赋权法(高峰等,2016黄滚等,2016孙魁明等,2014张悦等,2021),但该方法易受客观赋权的影响,无法有效反映指标权重差异。不同赋权方法得到的指标权重往往不一致,值得注意的是,虽然获取的权重不同,但权重的排序往往一致(岳立柱等,2017)。针对评价指标赋权存在争议问题,引入偏序集理论这一数理统计方法,既可以解决指标权重难以精确赋值的问题,又可以避免以往研究中存在的弊端,只要指标权重顺序信息不变,评价结果排序关系就不会发生变化,具有很好的稳健性。这种方法已经在采空区塌陷危险性评价(黄亮等,2019)、煤自燃可能性评价(陈金全等,2019)、农村多维贫困评价(张飞等,2020)、企业财务绩效水平评价(刘燕等,2020范宝学等,2020)、微信公众号传播力评价(毛志勇等,2021)等方面得到了推广应用。

本文采用蕴含权重信息的偏序集理论对硫化矿石自燃倾向性进行评价,该方法本质上是通过构造偏序关系对方案进行比较,挖掘样本数据本身信息的同时,能够有效避免指标的赋权争议问题。基于国内某金属矿山的10个典型矿样的实测数据,构造偏序矩阵,计算得出的Hasse图直观地呈现了样本间的层集信息,对待判矿样进行聚类和分层分析,提高了硫化矿石自燃倾向性评价的客观性和准确性,为优化硫化矿石自燃倾向性鉴定方法及自燃灾害事故的事前预防和控制提供了新思路。

1 硫化矿石自燃倾向性的偏序集评价模型

1.1 评价指标的选取

硫化矿石的自燃要经历氧化、聚热、升温及着火等一系列复杂过程(Ozdeniz et al.,2013Li et al.,2017),不仅受其自身物理化学性质的影响,而且受外界环境条件的影响,评价指标过少难以反映硫化矿石自燃规律,评价指标过多则会导致评价过程繁杂且成本偏高。若要实现评价的科学准确,必须选择关键判别指标,建立合理的指标集。考虑到硫化矿石的自燃倾向性是其本身的内在特性,基于现有研究成果(阳富强等,2015李志超等,2017张悦等,2021),选取硫化矿石的低温氧化增重率(x1)、自热点温度(x2)和自燃点温度(x3)3个因子作为评价指标,建立评价指标集(x1,x2,x3)。

1.2 硫化矿石自燃倾向性鉴定分级标准

硫化矿石自燃倾向性的鉴定分级标准暂未统一,且不同矿层的地质条件和开采情况存在差异,自燃倾向性等级划分的区间范围也不尽相同。李孜军(2007)将硫化矿石的自燃倾向性等级划分为3个类别,见表1

表1   硫化矿石自燃倾向性分级鉴定标准

Table 1  Classification and identification standard of spontaneous combustion tendency of sulfide ores

100 d氧化增重率/%自热点/℃自燃点/℃自燃倾向性描述自燃倾向性等级
>2.0<100<220易自燃
1.0~2.0100~250220~350易自热不易自燃
<1.0>250>350不易自燃

新窗口打开| 下载CSV


1.3 偏序集理论

定义1.1(岳立柱等,2017):设R是非空集合A上的一个二元关系,若R满足:

(1)自反性:对任意xA,有xRx

(2)反对称性:对任意x,yA,若xRyyRx,则x=y

(3)传递性:对任意x,y,zA,若xRyyRz,则xRz

则称RA上的偏序关系。通常记“≤”表示偏序关系,集合A和其上的偏序关系“≤”一起称为偏序集,记为(A,)。由评价集M=(A,IC,D)构造的偏序关系“”满足,对xyA,有:

xycj(x)cj(y)j=1,2,···,n

定义1.2(岳立柱等,2017):设评价集为M=(A,IC,D),给定偏序集(A,),对于ai,ajA,若aiaj,则记为rij=1;若aiaj或者aiaj不可比,则记rij=0。则称R=(rij)m×m(A,)的比较关系矩阵。

对于含有m个样本n个指标的决策问题,岳立柱等(2017)给出一种仅根据各指标的权重顺序信息,满足w1w2wn,即可对方案进行比较的方法。用矩阵形式表示蕴含权重信息的方案决策问题,得到了累加变换矩阵:

         D=(dij)m×n=XI=x11x11+x12x11+x12++x1nx21x21+x22x21+x22++x2nxm1xm1+xm2xm1+xm2++xmn

式中:X为评价矩阵;I=111011001

对于任意偏序集(A,),称集合O(x)=yA|xy}A的下集;称集合F(x)=yA|xy}A的上集;称集合U(x)A的不可比集,其中U(x)=A-O(x)-F(x)。令|O(x)||F(x)||U(x)|分别表示O(x)F(x)U(x)元素个数。对有m个方案的偏序集(A,),其下集、上集和区间集元素个数满足:

|O(x)|+|F(x)|+|U(x)|=m+1

对任意xA方案在偏序集(A,)上的高度,可表示为

          hav(x)=|O(x)||O(x)+|F(x)|(|O(x)+|U(x)|)+|F(x)||O(x)+|F(x)||O(x)|

偏序集决策方法是按照hav(x)大小对方案进行排序。

1.4 构造评价模型

基于偏序集理论,建立硫化矿石自燃倾向性评价模型,具体流程如图1所示。

图1

图1   基于偏序集的硫化矿石自燃倾向性评价模型的处理流程

Fig.1   Processing flow of evaluation model of spontaneous combustion tendency of sulfide ore based on partial ordered set


2 实例分析

2.1 数据获取

为保证数据来源的可靠性,在我国某金属矿山现场采集10个具有代表性的矿样(李孜军,2007),实验室测定其自燃倾向性相关指标,以选取的10个典型矿样的自燃倾向性指标的测试值为样本,以此来验证偏序集模型的可行性。为便于直观把握各样本呈现的层集信息,11、12和13号矿样为按照引用(李孜军,2007)分级鉴定标准(表1)构造的虚拟样本,13个待判矿样原始数据见表2,其中11号代表易自燃等级,12号代表易自热不易自燃等级、13号代表不易自燃等级。

表2   待判矿样的评价指标原始数据

Table 2  Original data of evaluation indexes of ore samples to be judged

矿样编号评价指标
氧化增重率x1/%自热点x2/自燃点x3/
A110.8146239
A29.560296
A32.2230437
A41.2127453
A52.1270422
A614.7140270
A72.1122436
A80.9243301
A91.0297385
A109.356233
A11890200
A121.3240340
A130.9270360

新窗口打开| 下载CSV


2.2 数据处理

首先对评价原始样本数据进行预处理,将样本数据转化为无量纲数据,其中自热点温度、自燃点温度指标均为正向指标,数值越大越安全;氧化增重率是反向指标,数值越小越安全。综合评价时必须对指标同趋势化处理,因此需要对氧化增重率指标采用公式aij()=1/aij()进行逆向处理。选取极值处理法排除指标数据单位差异的影响,根据式(5)对同趋势化后的指标数据进行无量纲化处理,结果保留四位小数(表3)。

xij=(aij-amin)(amax-amin)

表3   原始数据无量纲化处理

Table 3  Dimensionless processing of original data

矿样编号评价指标
氧化增重率自热点自燃点
A10.02360.37340.1542
A20.03570.01660.3794
A30.37060.72200.9368
A40.73370.29461.0000
A50.39130.88800.8775
A60.00000.34850.2767
A70.39130.27390.9328
A81.00000.77590.3992
A90.89351.00000.7312
A100.03790.00000.1304
A110.05460.14110.0000
A120.67230.76350.5534
A131.00000.88800.6324

新窗口打开| 下载CSV


2.3 构造偏序矩阵

各项评价指标的权重顺序将决定评价结果是否准确,获取指标的权重顺序信息,谢正文等(2012)基于信息熵来评价所获信息的有序度,进而得出各个判定指标的权重W=(氧化增重率W1,自热点W2,自燃点W3 )=(0.36947,0.28554,0.34499),得到指标权重排序为W1>W3>W2。根据评价指标的权重顺序信息对无量纲化处理后的指标数据重新排序,利用式(2)可得累加变换矩阵为

D=0.02360.17780.55120.03570.41510.43170.37061.30742.02940.73371.73372.02830.39131.26882.15680.00000.27670.62520.39131.32411.59801.00001.39922.17510.89351.62472.62470.03790.16830.16830.05460.05460.19570.67231.22571.98921.00001.63242.5204

2.4 Hasse矩阵

若累加变换矩阵D中的第i行大于或等于第j行,则第i个方案优于或等于第j个方案。在累加变换矩阵的基础上,根据定义1.2,经过逐行比较,若第i行大于第j行,则rij=1,否则rij=0。得到累加指标数据的比较关系矩阵R=(rij)m×m表4),范懿(2003)给出了一种有关哈斯图的解析方法,其中转换公式为

HR=(R-I)-(R-I)*(R-I)

式中:R为关系矩阵;HR为Hasse矩阵;I为单位矩阵;*为布尔运算。

表4   累加指标数据比较关系矩阵

Table 4  Comparison matrix of cumulative index data

A1A2A3A4A5A6A7A8A9A10A11A12A13
A11000000000000
A20100000000000
A31110010001100
A41111011001110
A51100110001100
A60000010000000
A71100011001100
A81110111101110
A91110111011100
A100000000001000
A110000000000100
A121100010001110
A131111111111111

新窗口打开| 下载CSV


根据式(7)得到Hasse矩阵,见表5

表5   Hasse矩阵

Table 5  Hasse matrix

A1A2A3A4A5A6A7A8A9A10A11A12A13
A10000000000000
A20000000000000
A31100010001100
A40010001000010
A51100010001100
A60000000000000
A71100010001100
A80010101000010
A90010101000000
A100000000000000
A110000000000000
A121100010001100
A130001000110000

新窗口打开| 下载CSV


2.5 Hasse图

在比较关系矩阵 R 的基础上,应用式(4)得到hav(A1)=1.4,hav(A2)=1.4,hav(A3)=7.64,hav(A4)=11.45,hav(A5)=8.4,hav(A6)=1.4,hav(A7)=7.64,hav(A8)=11.67,hav(A9)=11.45,hav(A10)=1.4,hav(A11)=1.4,hav(A12)=8.4,hav(A13)=13。不同样本的排序关系为:A13>A8>A4=A9>A5=A12>A3=A7>A1=A2=A6=A10=A11。

利用文献(范懿,2003)中有关哈斯图的解析方法,根据计算所得的Hasse矩阵可得出哈斯图中所有应有线段,绘制待判矿样的自燃倾向性Hasse图(图2)。

图2

图2   待判矿样的自燃倾向性Hasse图

Fig.2   Hasse diagram of spontaneous combustion tendency of ore samples to be judged


2.6 Hasse图分析

图2可以得到样本间的聚类信息,从整体上看,将13个样本划分为4个层集,分别为

第一层集:A13;

第二层集:A4,A8,A9;

第三层集:A3,A5,A7,A12;

第四层集:A1,A2,A6,A10,A11。

根据偏序集理论,上集优于下集且具有传递性。因此,根据图2,第一层集优于第二层集,并依此类推。根据硫化矿石自燃倾向性等级划分标准,以及虚拟样本A13为不易自燃等级,A12为易自热不易自燃等级,A11为易自燃等级,可以判断与A12同处于第三层集的样本A3、A5和A7自燃危险程度应属于易自热不易自燃,危险性一般;而与A11同处于第四层集的样本A1、A2、A6和A10的自燃危险程度应属于易自燃,危险性最大;处于第二层集的样本A4、A8和A9自燃危险程度介于易自热不易自燃与不易自燃等级之间,但应属于易自热不易自燃等级,较第三层集的样本来说,会更不易自燃,危险性也相对较小。

与以往评价方法(如运用信息熵和集对分析理论方法)对硫化矿石自燃倾向性判定(谢正文等,2012)、运用CRITIC法与TOPSIS法对硫化矿石自燃倾向性评定(谢彦蓉等,2014)的对比中发现,以上基于偏序集模型对硫化矿石典型矿样自燃倾向性的评价结果误判率为0,样本A1、A2、A6和A10均被准确判断为易自燃矿样,样本A3、A5、A7、A4、A8和A9均被判断为易自热不易自燃矿样,其中样本A4、A8和A9危险性更小一些。相比上述方法,基于蕴含权重的偏序集模型对硫化矿石自燃倾向性进行评价,该方法的优越性体现于既省去了各评价指标权重繁杂的计算过程,又避免了由于各种主观和客观因素影响造成评价指标权重难以确定的争议问题,只需根据评价指标权重的顺序信息就能够构造偏序矩阵,从而对待判样本进行排序。经过计算得出Hasse矩阵并绘制Hasse图,通过Hasse图能够直观地判断出不同样本间的层集关系,分级结果更加精细,评价结果准确性高,这将为优化硫化矿石自燃倾向性的评价方法提供新思路,有利于管理人员预判所采集矿样的自燃倾向性,因地制宜,为矿山制定相应预防措施。

3 结论

(1)引入偏序集理论建立了硫化矿石自燃倾向性评价模型,仅需利用指标权重的顺序信息即可对待判样本进行排序,该方法很好地解决了以往自燃倾向性判定方法中指标的赋权争议问题,具有很好的稳健性,只要评价指标的权重顺序不变,排序结果就保持不变。

(2)应用该模型对我国某金属矿山的10个典型矿样自燃倾向性进行评价,所得Hasse图可直观呈现出矿样间的层集关系,评价结果与综合测试排序法的评价结果基本一致,且符合实际情况。基于偏序集对硫化矿石自燃倾向性进行评价,该方法分级结果更加精细,应用简便,逻辑性强,为优化硫化矿石自燃倾向性鉴定方法提供了一种新思路。

http://www.goldsci.ac.cn/article/2022/1005-2518/1005-2518-2022-30-1-105.shtml

参考文献

Chen JinquanWang JirenYue Lizhu2019.

Evaluation model of coal spontaneous combustion possibility in goaf based on partial order set

[J]. Journal of Safety Science and Technology,152):89-93.

Fan BaoxueGao Fan2020.

Research on financial performance evaluation of biotechnology enterprises based on partial ordered set

[J]. Science & Technology for Development,168):960-966.

Fan Yi2003.

An analytic method of hastow

[J]. Journal of Shanghai Polytechnic University,201):17-22.

Gao FengXiao Ronglan2016.

Study on evaluation of spontaneous combustion propensity of sulfide ore based on comprehensive weight

[J].Mining Research and Development,3611):28-31.

Huang GunGuo HuLuo Jiayuanal et2016.

Evaluation of spontaneous combustion propensity of sulfide ore based on AHP-TOPSIS evaluation model

[J]. Mining Safety and Environmental Protection,435):50-53.

Huang LiangWang HuiminYue Lizhual et2019.

Study on risk assessment of goaf collapse based on partial ordered set

[J]. Journal of Safety Science and Technology,154):134-140.

Li XShang Y JChen Z Lal et2017.

Study of spontaneous combustion mechanism and heat stability of sulfide minerals powder based on thermal analysis

[J].Powder Technology,3096):68-73.

[本文引用: 1]

Li ZhichaoZhou KepingLin Yun2017.

Comprehensive evaluation of spontaneous combustion propensity of sulfide ore based on RS-Cloud model

[J]. Journal of Safety Science and Technology,139):126-131.

Li Zijun2007.

Investigation on the Mechanism of Spontaneous Combustion of Sulfide Ores and the Key Technologies for Preventing Fire

[D].ChangshaCentral South University.

Li ZijunWang FasongMa Shubao2009.

Evaluation of spontaneous combustion tendency of sulfide ore based on analytic hierarchy process and set pair theory

[J]. Science & Technology Review,2719):69-73.

Liu HWu CShi Y2011.

Locating method of fire source for spontaneous combustion of sulfide ores

[J].Journal of Central South University of Technology,184):1034-1040.

[本文引用: 1]

Liu YanLi Ying2020.

A weighting solution for factor analysis—An evaluation model combined with PSEs

[J]. Journal of Liaoning Technical University(Social Science Edition),226):457-465.

Mao ZhiyongPang YuYue Lizhu2021.

Research on WeChat public account transmission force evaluation based on partial order set

[J]. Information Research,412):49-54.

Ozdeniz A HKelebek S2013.

A study of self-heating characteristics of a pyrrhotite-rich sulphide ore stockpile

[J].International Journal of Mining Science and Technology,233):381-386.

[本文引用: 1]

Pan WWu CLi Z Jal et2017.

Evaluation of spontaneous combustion tendency of sulfide ore heap based on nonlinear parameters

[J]. Journal of Central South University,2410):2431-2437.

[本文引用: 1]

Pan WWu CLi Z Jal et2016.

Nonlinear characteristics of induced spontaneous combustion process of sulfide ores

[J].Journal of Central South University,2312):3284-3292.

[本文引用: 1]

Sun KuimingWang Linghui2014.

Classification of spontaneous combustion tendency of sulfide ores based on comprehensive judgment index

[J]. Value Engineering,338):306-308.

Xie YanrongLi ZijunXu Zhiguo2014.

Evaluation of spontaneous combustion tendency of sulfide ores based on CRITIC and TOPSIS methods

[J]. Journal of Safety and Environment,141):122-125.

Xie ZhengwenWu ChaoLi Zijunal et2012.

Determination of spontaneous combustion tendency of sulfide ores based on information entropy and set pair analysis theory

[J]. Journal of Central South University(Science and Technology),435):1858-1863.

Yang F QWu CLi Z J2014.

Spontaneous combustion tendency of fresh and pre-oxidized sulfide ores

[J]. Journal of Central South University,212):715-719.

[本文引用: 1]

Yang FuqiangChen Bohui2012.

Application of attribute interval recognition model to comprehensive assessment of spontaneous combustion tendency of sulfide ores

[J]. Chinese Safety Science Journal,221):70-75.

Yang FuqiangLiu GuangningGuo Lele2015.

A GA-BP neural network model for classification of spontaneous combustion propensity of sulfide ore

[J]. Journal of Natural Disasters,244):227-232.

Yang FuqiangWu ChaoLi Zijun2011.

Matter-element model and its application to comprehensive determination on spontaneous combustion tendency of sulfide ores

[J]. Journal of Central South University ( Science and Technology),4211):3459-3464

Yang FuqiangZhu WeifangLiu Xiaoxia2018.

Cloud model for classification of spontaneous combustion tendency of sulfide ores and its application

[J]. Journal of Natural Disasters,271):208-214.

Yue LizhuLi Liangqiong2017.

PSA is applied to represent TOPSIS model whose weight is difficult to know

[J]. Fuzzy Systems and Mathematics,314):167-174.

Zhang FeiWang GuohuiJiang Si2020.

Research on rural multidimensional poverty evaluation based on partial ordered set

[J].Journal of Liaoning Technical University(Social Sci-ence Edition),222):81-89.

Zhang YueLiu JieFu Yual et2021.

Study on prediction method of spontaneous combustion tendency of sulfide ore based on game theory set pair analysis

[J]. Nonferrous Metals (Mine Section),733):141-146.

陈金全王继仁岳立柱2019.

基于偏序集的采空区煤自燃可能性评价模型

[J].中国安全生产科学技术,152):89-93.

[本文引用: 1]

范宝学高钒2020.

基于偏序集的生物科技企业财务绩效评价研究

[J].科技促进发展,168):960-966.

[本文引用: 1]

范懿2003.

一个有关哈斯图的解析方法

[J].上海第二工业大学学报,201):17-22.

[本文引用: 2]

高峰肖蓉兰2016.

基于综合权重的硫化矿石自燃倾向性评价研究

[J].矿业研究与开发,3611):28-31.

[本文引用: 1]

黄滚郭虎罗甲渊2016.

基于AHP-TOPSIS评判模型的硫化矿石自燃倾向性评价

[J].矿业安全与环保,435):50-53.

[本文引用: 1]

黄亮王会敏岳立柱2019.

基于偏序集的采空区塌陷危险性评价研究

[J].中国安全生产科学技术,154):134-140.

[本文引用: 1]

李志超周科平林允2017.

基于RS-云模型的硫化矿石自燃倾向性综合评价

[J].中国安全生产科学技术,139):126-131.

[本文引用: 2]

李孜军2007.

硫化矿石自燃机理及其预防关键技术研究

[D].长沙中南大学.

[本文引用: 4]

李孜军汪发松马树宝2009.

基于层次分析法和集对理论的硫化矿自燃倾向性评定

[J].科技导报,2719):69-73.

[本文引用: 1]

刘燕李影2020.

因子分析的权重解决方法——一个与偏序集相结合的评价模型

[J].辽宁工程技术大学学报(社会科学版),226):457-465.

[本文引用: 1]

毛志勇庞宇岳立柱2021.

基于偏序集的微信公众号传播力评价研究

[J].情报探索,412):49-54.

[本文引用: 1]

孙魁明汪令辉2014.

基于综合判定指数的硫化矿石自燃倾向性分类

[J].价值工程,338):306-308.

[本文引用: 1]

谢彦蓉李孜军徐志国2014.

基于CRITIC法与TOPSIS法的硫化矿自燃倾向性评定

[J].安全与环境学报,141):122-125.

[本文引用: 2]

谢正文吴超李孜军2012.

基于信息熵和集对分析理论的硫化矿石自燃倾向性判定

[J].中南大学学报(自然科学版),435):1858-1863.

[本文引用: 3]

阳富强陈伯辉2012.

硫化矿石自燃倾向性评价的属性区间识别模型

[J].中国安全科学学报,221):70-75.

[本文引用: 1]

阳富强刘广宁郭乐乐2015.

硫化矿石自燃倾向性等级划分的GA-BP神经网络模型及应用

[J].自然灾害学报,244):227-232.

[本文引用: 1]

阳富强吴超李孜军2011.

硫化矿石自燃倾向性综合判定的物元模型及其应用

[J].中南大学学报(自然科学版),4211):3459-3464

[本文引用: 1]

阳富强朱伟方刘晓霞2018.

硫化矿石自燃倾向性分级的云模型及其应用

[J].自然灾害学报,271):208-214.

[本文引用: 1]

岳立柱李良琼2017.

应用偏序集表示权重难以获知的TOPSIS模型

[J].模糊系统与数学,314):167-174.

[本文引用: 4]

张飞王国辉蒋思2020.

基于偏序集的农村多维贫困评价研究

[J].辽宁工程技术大学学报(社会科学版),222):81-89.

[本文引用: 1]

张悦刘杰傅钰2021.

基于博弈论集对分析的硫化矿石自燃倾向预测方法研究

[J].有色金属(矿山部分),733):141-146.

[本文引用: 3]

/