本发明公开了一种基于云计算的硫化矿石自热率评定方法及系统，其方法包括：建立用户终端与云服务器之间的通信连接，向用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数，根据目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型，利用目标数学模型结合目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率，大大地节省了人力成本，只需要检测硫化矿石自身参数和实验仪器所处外部的环境参数结合所选择的目标数学模型即可计算出硫化矿石的目标自热率，提高了工作效率，可以避免检测参数存在误差导致计算结果有误情况的发生，保证了最终计算结果的准确性。
1.一种基于云计算的硫化矿石自热率评定方法，其特征在于，包括以下步骤：建立用户终端与云服务器之间的通信连接；
向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型；
利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率；
在根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型之前，所述方法还包括：
利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型；
将设置完毕后的多个预设数学模型存储到所述数据库中；
根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型，包括：
根据所述目标环境参数和目标硫化矿石实验参数生成匹配因子；
利用所述匹配因子在所述数据库中进行匹配获得匹配度前三的当前预设数学模型；
获取目标环境参数和目标硫化矿石实验参数中的多个参数向量，根据所述多个参数向量在三个当前预设数学模型中筛选出期望当前预设数学模型；
将所述期望当前预设数学模型确认为所述目标数学模型。
2.根据权利要求1所述基于云计算的硫化矿石自热率评定方法，其特征在于，所述建立用户终端与云服务器之间的通信连接，包括：利用预设域名解析方法获取所述云服务器的网络地址；
根据所述网络地址生成通信连接请求由所述用户终端发送至所述云服务器；
获取用户终端的地理位置，根据所述地理位置确定用户终端的ip地址；
所述云服务器根据所述通信连接请求和动态道路地址向所述用户终端发出连接呼叫，在所述用户终端响应后确认二者实现通信连接。
3.根据权利要求1所述基于云计算的硫化矿石自热率评定方法，其特征在于，所述向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数，包括：确认计算硫化矿石自热率所需的多个目标参数；
将所述多个目标参数进行分类划分为第一种类和第二种类；
划分完毕后，根据第一种类中的第一数量个第一目标参数生成环境参数获取请求，根据第二种类中第二数量个第二目标参数生成硫化矿石实验参数获取请求；
将所述环境参数获取请求和硫化矿石实验参数获取请求发送至用户终端，接收所述用户终端反馈的目标环境参数和目标硫化矿石实验参数。
4.根据权利要求1所述基于云计算的硫化矿石自热率评定方法，其特征在于，所述利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率，包括：
将所述目标实验仪器参数和目标环境参数以及目标硫化矿石实验参数代入到预设自热率计算公式中计算出硫化矿石的目标自热率。
5.根据权利要求1所述基于云计算的硫化矿石自热率评定方法，其特征在于，所述方法还包括：
根据所述验证结果判断所述目标自热率是否合理，若是，无需进行后续操作，否则，生成分析报告；
6.根据权利要求4所述基于云计算的硫化矿石自热率评定方法，其特征在于，在利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型之后，为每个预设数学模型设置实验仪器参数选择范围之前，所述方法还包括：获取每个预设数学模型的参数特征向量；
对每个预设数学模型的参数特征向量进行变异量挖掘，获取挖掘变异量；
根据每个预设数学模型的挖掘变异量计算出每个预设数学模型的严谨度：其中，pi表示为第i个预设数学模型的严谨度，Qi1表示为第i个预设数学模型的挖掘变异量，Qi2表示为第i个预设数学模型的参数特征向量，Qi3表示为第i个预设数学模型的参数特征向量中的干扰信息特征向量，Si表示为第i个预设数学模型的参数特征向量的大众化因子，ln表示为对数，Ti1表示为第i个预设数学模型在计算数据时的平均反应时长，Ti2表示为第i个预设数学模型在计算数据时的平均计算时长，Ti3表示为第i个预设数学模型在计算数据时的平均所需时长，θi表示为第i个预设数学模型的数据缓存效率，e表示为自然常数，取值为2.72，iN表示为第i个预设数学模型的参数特征向量中高密度特征向量的数量，Fj表示为第j个高密度特征向量的概率分布；
将严谨度小于等于预设阈值的目标数量个第一目标预设数学模型进行标记，重新构建目标数量个第二目标预设数学模型替换所述目标数量个第一目标预设数学模型；
替换完毕后，获取相邻个预设数学模型之间相同的参数特征向量；
计算出相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布；
根据相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布计算出相邻两个预设数学模型的目标相似度：其中，D(A,B)表示为第i个预设数学模型和与其相邻的第B个预设数学模型之间的目标相似度，M表示为第A个预设数学模型和第B个预设数学模型之间相同的参数特征向量的数量， 表示为第K个相同参数特征向量在第A个预设数学模型分量上的后验概率分布， 表示为第K个相同参数特征向量在第B个预设数学模型分量上的后验概率分布；
将目标相似度大于等于预设相似度的相邻预设数学模型中的后者删除以获得最终数量个预设数学模型。
7.一种基于云计算的硫化矿石自热率评定系统，其特征在于，该系统包括：建立模块，用于建立用户终端与云服务器之间的通信连接；
接收模块，用于向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
选择模块，用于根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型；
计算模块，用于利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率；
在根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型之前，还包括：
利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型；
将设置完毕后的多个预设数学模型存储到所述数据库中；
根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择目标数学模型，包括：
根据所述目标环境参数和目标硫化矿石实验参数生成匹配因子；
利用所述匹配因子在所述数据库中进行匹配获得匹配度前三的当前预设数学模型；
获取目标环境参数和目标硫化矿石实验参数中的多个参数向量，根据所述多个参数向量在三个当前预设数学模型中筛选出期望当前预设数学模型；
将所述期望当前预设数学模型确认为所述目标数学模型。
一种基于云计算的硫化矿石自热率评定方法及系统
技术领域
[0001] 本发明涉及采矿安全技术领域，尤其涉及一种基于云计算的硫化矿石自热率评定方法及系统。
背景技术
[0002] 准确测定硫化矿石的自燃倾向性，可以为矿床开采设计提供依据，以便正确选择采矿方法、通风系统、回采顺序以及采取防火措施，从而达到避免盲目设计、节省投资、保证
安全的目的。
[0003] 矿石的自燃倾向性是指矿石中所有矿物的综合自燃倾向性，而不是单一矿物的自燃倾向性。矿石中与自燃倾向性有关的主要特征是矿石的物质组成、各组分的结构特征、氧
化速度、自热特性、着火温度等，其中矿石的动态氧化自热速率指标尤其重要。虽然纯硫化
矿物的标准反应热可以根据化学热力学的方法进行计算，不纯矿物的燃烧热也可以用热工
学的测热仪器加以测定，但这些测定不能反映硫化矿石在不同温度条件下的动态氧化放热
过程和多种复合化学反应的模式，也不能用于测定矿石表面的氧化自热速率(热通量)，由
于现场矿石的氧化一般都是从其表面开始的，如果能够测定在不同温度条件下硫化矿石动
态氧化过程的自热速率，对研究硫化矿石的自燃倾向性及防灭火方法更有实际意义，现有
的硫化矿石自热率计算方法为研究人员将矿石样本放到特定的实验环境中，通过检测实验
环境参数以及矿石样本自身参数来计算出矿石样本的最终自热率，但是这种方法存在以下
缺点：每次计算都需要事先准备实验环境，准备过程繁琐复杂，同时由于检测的参数存在一
定的误差从而导致既浪费人力成本又出现最终计算结果不准确情况的发生。
发明内容
[0004] 针对上述所显示出来的问题，本发明提供了一种基于云计算的硫化矿石自热率评定方法及系统用以解决背景技术中提到的每次计算都需要事先准备实验环境，准备过程繁
琐复杂，同时由于检测的参数存在一定的误差从而导致既浪费人力成本又出现最终计算结
果不准确情况的发生的问题。
[0005] 一种基于云计算的硫化矿石自热率评定方法，包括以下步骤：
[0006] 建立用户终端与云服务器之间的通信连接；
[0007] 向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
[0008] 根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型；
[0009] 利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率。
[0010] 优选的，所述建立用户终端与云服务器之间的通信连接，包括：
[0011] 利用预设域名解析方法获取所述云服务器的网络地址；
[0012] 根据所述网络地址生成通信连接请求由所述用户终端发送至所述云服务器；
[0013] 获取用户终端的地理位置，根据所述地理位置确定用户终端的ip地址；
[0014] 根据所述ip地址为用户终端分配动态道路地址；
[0015] 所述云服务器根据所述通信连接请求和动态道路地址向所述用户终端发出连接呼叫，在所述用户终端响应后确认二者实现通信连接。
[0016] 优选的，所述向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数，包括：
[0017] 确认计算硫化矿石自热率所需的多个目标参数；
[0018] 将所述多个目标参数进行分类划分为第一种类和第二种类；
[0019] 划分完毕后，根据第一种类中的第一数量个第一目标参数生成环境参数获取请求，根据第二种类中第二数量个第二目标参数生成硫化矿石实验参数获取请求；
[0020] 将所述环境参数获取请求和硫化矿石实验参数获取请求发送至用户终端，接收所述用户终端反馈的目标环境参数和目标硫化矿石实验参数。
[0021] 优选的，在根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型之前，所述方法还包括：
[0022] 利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型；
[0023] 为每个预设数学模型设置实验仪器参数选择范围；
[0024] 将设置完毕后的多个预设数学模型存储到所述数据库中。
[0025] 优选的，根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型，包括：
[0026] 根据所述目标环境参数和目标硫化矿石实验参数生成匹配因子；
[0027] 利用所述匹配因子在所述数据库中进行匹配获得匹配度前三的当前预设数学模型；
[0028] 获取目标环境参数和目标硫化矿石实验参数中的多个参数向量，根据所述多个参数向量在三个当前预设数学模型中筛选出期望当前预设数学模型；
[0029] 将所述期望当前预设数学模型确认为所述目标数学模型。
[0030] 优选的，所述利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率，包括：
[0031] 根据所述目标数学模型确定目标实验仪器参数；
[0032] 将所述目标实验仪器参数和目标环境参数以及目标硫化矿石实验参数代入到预设自热率计算公式中计算出硫化矿石的目标自热率。
[0033] 优选的，所述方法还包括：
[0034] 对所述目标自热率进行验证，获取验证结果；
[0035] 根据所述验证结果判断所述目标自热率是否合理，若是，无需进行后续操作，否则，生成分析报告；
[0036] 将所述分析报告上传至所述用户终端。
[0037] 优选的，在利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型之后，为每个预设数学模型设置实验仪器参数选择范围之前，所述方法还包括：
[0038] 获取每个预设数学模型的参数特征向量；
[0039] 对每个预设数学模型的参数特征向量进行变异量挖掘，获取挖掘变异量；
[0040] 根据每个预设数学魔性的挖掘变异量计算出每个预设数学模型的严谨度：
[0041]
[0042] 其中，pi表示为第i个预设数学模型的严谨度，Qi1表示为第i个预设数学模型的挖掘变异量，Qi2表示为第i个预设数学模型的参数特征向量，Qi3表示为第i个预设数学模型的
参数特征向量中的干扰信息特征向量，Si表示为第i 个预设数学模型的参数特征向量的大
众化因子，ln表示为对数，Ti1表示为第i 个预设数学模型在计算数据时的平均反应时长，
Ti2表示为第i个预设数学模型在计算数据时的平均计算时长，Ti3表示为第i个预设数学模
型在计算数据时的平均所需时长，θi表示为第i个预设数学模型的数据缓存效率，e表示为
自然常数，取值为2.72，iN表示为第i个预设数学模型的参数特征向量中高密度特征向量的
数量，Fj表示为第j个高密度特征向量的概率分布；
[0043] 将严谨度小于等于预设阈值的目标数量个第一目标预设数学模型进行标记，重新构建目标数量个第二目标预设数学模型替换所述多个第一目标预设数学模型；
[0044] 替换完毕后，获取相邻个预设数学模型之间相同的参数特征向量；
[0045] 计算出相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布；
[0046] 根据相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布计算出相邻两个预设数学模型的目标相似度：
[0047]
[0048] 其中，D(A,B)表示为第i个预设数学模型和与其相邻的第B个预设数学模型之间的目标相似度，M表示为第A个预设数学模型和第B个预设数学模型之间相同的参数特征向量
的数量， 表示为第k个相同参数特征向量在第A个预设数学模型分量上的后验概率分布，
表示为第k个相同参数特征向量在第 B个预设数学模型分量上的后验概率分布；
[0049] 将目标相似度大于等于预设相似度的相邻预设数学模型中的后者删除以获得最终数量个预设数学模型。
[0050] 一种基于云计算的硫化矿石自热率评定系统，该系统包括：
[0051] 建立模块，用于建立用户终端与云服务器之间的通信连接；
[0052] 接收模块，用于向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
[0053] 选择模块，用于根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型；
[0054] 计算模块，用于利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率。
[0055] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明
书以及附图中所特别指出的结构来实现和获得。
[0056] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0057] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0058] 图1为本发明所提供的一种基于云计算的硫化矿石自热率评定方法的工作流程图；
[0059] 图2为本发明所提供的一种基于云计算的硫化矿石自热率评定方法的另一工作流程图；
[0060] 图3为本发明所提供的一种基于云计算的硫化矿石自热率评定方法的又一工作流程图；
[0061] 图4为本发明所提供的一种基于云计算的硫化矿石自热率评定系统的结构示意图。
具体实施方式
[0062] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例
中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0063] 准确测定硫化矿石的自燃倾向性，可以为矿床开采设计提供依据，以便正确选择采矿方法、通风系统、回采顺序以及采取防火措施，从而达到避免盲目设计、节省投资、保证
安全的目的。
[0064] 矿石的自燃倾向性是指矿石中所有矿物的综合自燃倾向性，而不是单一矿物的自燃倾向性。矿石中与自燃倾向性有关的主要特征是矿石的物质组成、各组分的结构特征、氧
化速度、自热特性、着火温度等，其中矿石的动态氧化自热速率指标尤其重要。虽然纯硫化
矿物的标准反应热可以根据化学热力学的方法进行计算，不纯矿物的燃烧热也可以用热工
学的测热仪器加以测定，但这些测定不能反映硫化矿石在不同温度条件下的动态氧化放热
过程和多种复合化学反应的模式，也不能用于测定矿石表面的氧化自热速率(热通量)，由
于现场矿石的氧化一般都是从其表面开始的，如果能够测定在不同温度条件下硫化矿石动
态氧化过程的自热速率，对研究硫化矿石的自燃倾向性及防灭火方法更有实际意义，现有
的硫化矿石自热率计算方法为研究人员将矿石样本放到特定的实验环境中，通过检测实验
环境参数以及矿石样本自身参数来计算出矿石样本的最终自热率，但是这种方法存在以下
缺点：每次计算都需要事先准备实验环境，准备过程繁琐复杂，同时由于检测的参数存在一
定的误差从而导致既浪费人力成本又出现最终计算结果不准确情况的发生，为了解决上述
问题，本实施例公开了一种基于云计算的硫化矿石自热率评定方法。
[0065] 一种基于云计算的硫化矿石自热率评定方法，如图1所示，包括以下步骤：
[0066] 步骤S101、建立用户终端与云服务器之间的通信连接；
[0067] 步骤S102、向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
[0068] 步骤S103、根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型；
[0069] 步骤S104、利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率；
[0070] 在本实施例中，上述环境参数包括实验仪器所处外部的环境参数，上述目标硫化矿石实验参数包括硫化矿石自身参数，上述目标数学模型中已经包含了实验仪器内部的环
境参数和硫化矿石实验参数，只需要检测硫化矿石自身参数和实验仪器所处外部的环境参
数结合模型即可计算出硫化矿石的目标自热率。
[0071] 上述技术方案的工作原理为：建立用户终端与云服务器之间的通信连接，向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参
数和目标硫化矿石实验参数，根据所述目标环境参数和目标硫化矿石实验参数在数据库中
选择合适的目标数学模型，利用所述目标数学模型结合所述目标环境参数和目标硫化矿石
实验参数计算出硫化矿石的目标自热率。
[0072] 上述技术方案的有益效果为：通过利用云服务器存储实验模型的方式使得研究人员无需每次都预先准备实验环境，大大地节省了人力成本，同时，研究人员只需要检测硫化
矿石自身参数和实验仪器所处外部的环境参数结合所选择的目标数学模型即可计算出硫
化矿石的目标自热率，提高了工作效率，进一步地，由于每个数学模型中的实验参数都是经
过无数次的实验和验证得来的，其精度相比于认为检测的参数精度更加高，从而可以避免
检测参数存在误差导致计算结果有误情况的发生，保证了最终计算结果的准确性，解决了
现有技术中每次计算都需要事先准备实验环境，准备过程繁琐复杂，同时由于检测的参数
存在一定的误差从而导致既浪费人力成本又出现最终计算结果不准确情况的发生的问题。
[0073] 在一个实施例中，所述建立用户终端与云服务器之间的通信连接，包括：
[0074] 利用预设域名解析方法获取所述云服务器的网络地址；
[0075] 根据所述网络地址生成通信连接请求由所述用户终端发送至所述云服务器；
[0076] 获取用户终端的地理位置，根据所述地理位置确定用户终端的ip地址；
[0077] 根据所述ip地址为用户终端分配动态道路地址；
[0078] 所述云服务器根据所述通信连接请求和动态道路地址向所述用户终端发出连接呼叫，在所述用户终端响应后确认二者实现通信连接。
[0079] 上述技术方案的有益效果为：通过相互确认用户终端和云服务器各自的地址以保证二者相互连接的准确性，进一步地，通过向用户终端分配动态道路地址可以实现每次连
接都保持初始状态，避免用户终端私自连接云服务器随意盗取数据情况的发生，保证了云
服务器内存储数据的安全性和保密性。
[0080] 在一个实施例中，如图2所示，所述向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数，包括：
[0081] 步骤S201、确认计算硫化矿石自热率所需的多个目标参数；
[0082] 步骤S202、将所述多个目标参数进行分类划分为第一种类和第二种类；
[0083] 步骤S203、划分完毕后，根据第一种类中的第一数量个第一目标参数生成环境参数获取请求，根据第二种类中第二数量个第二目标参数生成硫化矿石实验参数获取请求；
[0084] 步骤S204、将所述环境参数获取请求和硫化矿石实验参数获取请求发送至用户终端，接收所述用户终端反馈的目标环境参数和目标硫化矿石实验参数。
[0085] 上述技术方案的有益效果为：通过对目标参数进行分类进而生成获取请求可以将同一种类的参数归结在一起发出请求，避免了漏掉部分参数情况的发生，保证了数据的完
整性。
[0086] 在一个实施例中，在根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型之前，所述方法还包括：
[0087] 利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型；
[0088] 为每个预设数学模型设置实验仪器参数选择范围；
[0089] 将设置完毕后的多个预设数学模型存储到所述数据库中。
[0090] 上述技术方案的有益效果为：通过为每个预设数学模型设置实验仪器参数选择范围可以使得研究人员针对不同的研究内容在同一个模型上选择不同实验仪器参数，无需构
建同一实验仪器的多个模型，降低了云服务器的数据存储量，节省了数据库的内存的同时
也提高了调用模型时的效率。
[0091] 在一个实施例中，如图3所示，根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型，包括：
[0092] 步骤S301、根据所述目标环境参数和目标硫化矿石实验参数生成匹配因子；
[0093] 步骤S302、利用所述匹配因子在所述数据库中进行匹配获得匹配度前三的当前预设数学模型；
[0094] 步骤S303、获取目标环境参数和目标硫化矿石实验参数中的多个参数向量，根据所述多个参数向量在三个当前预设数学模型中筛选出期望当前预设数学模型；
[0095] 步骤S304、将所述期望当前预设数学模型确认为所述目标数学模型。
[0096] 上述技术方案的有益效果为：通过生成匹配因子来匹配预设数学模型可以无纰漏的获得与目标环境参数和目标硫化矿石实验参数相匹配的当前预设数学模型，提高了匹配
效率，进一步地，通过根据参数向量来筛选出期望当前预设数学模型可以利用特征向量来
更加细致地确定目标环境参数和目标硫化矿石实验参数对应的目标数学模型，避免了漏识
别情况的发生，进一步地提高了工作效率。
[0097] 在一个实施例中，所述利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率，包括：
[0098] 根据所述目标数学模型确定目标实验仪器参数；
[0099] 将所述目标实验仪器参数和目标环境参数以及目标硫化矿石实验参数代入到预设自热率计算公式中计算出硫化矿石的目标自热率；
[0100] 在本实施例中，上述利用预设自热率计算公式计算硫化矿石的目标自热率包括：
[0101] 根据下列公式计算出硫化矿石单位时间内的氧化自热率：
[0102]
[0103] 其中，qs表示为硫化矿石单位时间内的氧化自热率，d表示为目标硫化矿石实验参数中硫化矿石矿样颗粒的平均直径，t1表示为目标硫化矿石实验参数中硫化矿石矿样中心
的温度，t2表示为目标环境参数中目标实验仪器外空气的温度，r1表示为目标实验仪器参数
中热电偶绝缘瓷套的半径，r2表示为目标实验仪器参数中目标实验仪器的玻璃反应器内半
径，r3表示为目标实验仪器参数中目标实验仪器的玻璃反应器外半径，μg表示为标实验仪器
参数中目标实验仪器的玻璃导热系数，ln表示为对数，β表示为玻璃反应器外壁与空气间的
自然对流换热系数，μ0表示为目标硫化矿石实验参数中硫化矿石矿样的导热系数；
[0104] 上述技术方案的有益效果为：通过利用目标数学模型可以快速地确定研究人员需要的目标实验仪器参数，进而可以通过预设公式中准确地计算出硫化矿石的目标自热率，
进一步地节省了人力成本。
[0105] 在一个实施例中，所述方法还包括：
[0106] 对所述目标自热率进行验证，获取验证结果；
[0107] 根据所述验证结果判断所述目标自热率是否合理，若是，无需进行后续操作，否则，生成分析报告；
[0108] 将所述分析报告上传至所述用户终端。
[0109] 上述技术方案的有益效果为：通过对目标自热率进行验证以判断是否合理可以人为地对云计算出来的结果进行验证，保证了最终计算结果的客观性，进一步地，通过生成分
析报告发送至用户终端可以使得研究人员可以适应性地完善修改自己的实验方案，进而为
后续计算硫化矿石自热率提供了数据基础。
[0110] 在一个实施例中，在利用多个预设环境参数和预设硫化矿石实验参数构建多个预设数学模型之后，为每个预设数学模型设置实验仪器参数选择范围之前，所述方法还包括：
[0111] 获取每个预设数学模型的参数特征向量；
[0112] 对每个预设数学模型的参数特征向量进行变异量挖掘，获取挖掘变异量；
[0113] 根据每个预设数学魔性的挖掘变异量计算出每个预设数学模型的严谨度：
[0114]
[0115] 其中，pi表示为第i个预设数学模型的严谨度，Qi1表示为第i个预设数学模型的挖掘变异量，Qi2表示为第i个预设数学模型的参数特征向量，Qi3表示为第i个预设数学模型的
参数特征向量中的干扰信息特征向量，Si表示为第i 个预设数学模型的参数特征向量的大
众化因子，ln表示为对数，Ti1表示为第i 个预设数学模型在计算数据时的平均反应时长，
Ti2表示为第i个预设数学模型在计算数据时的平均计算时长，Ti3表示为第i个预设数学模
型在计算数据时的平均所需时长，θi表示为第i个预设数学模型的数据缓存效率，e表示为
自然常数，取值为2.72，iN表示为第i个预设数学模型的参数特征向量中高密度特征向量的
数量，Fj表示为第j个高密度特征向量的概率分布；
[0116] 将严谨度小于等于预设阈值的目标数量个第一目标预设数学模型进行标记，重新构建目标数量个第二目标预设数学模型替换所述多个第一目标预设数学模型；
[0117] 替换完毕后，获取相邻个预设数学模型之间相同的参数特征向量；
[0118] 计算出相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布；
[0119] 根据相同的参数特征向量在相邻两个预设数学模型之间的后验概率分布计算出相邻两个预设数学模型的目标相似度：
[0120]
[0121] 其中，D(A,B)表示为第i个预设数学模型和与其相邻的第B个预设数学模型之间的目标相似度，M表示为第A个预设数学模型和第B个预设数学模型之间相同的参数特征向量
的数量， 表示为第k个相同参数特征向量在第A个预设数学模型分量上的后验概率分布，
表示为第k个相同参数特征向量在第 B个预设数学模型分量上的后验概率分布；
[0122] 将目标相似度大于等于预设相似度的相邻预设数学模型中的后者删除以获得最终数量个预设数学模型。
[0123] 上述技术方案的有益效果为：通过计算出每个预设数学模型的严谨度可以有效地评估出每个预设数学模型对于数据处理的合格性，进而保证每个预设数学模型可以实现对
于硫化矿石自热率的精准计算，提高了稳定性，进一步地，通过计算相邻两个预设数学模型
之间的相似度可以避免同种模型的出现，进一步地保证了运行的稳定性。
[0124] 本实施例还公开了一种基于云计算的硫化矿石自热率评定系统，如图4所示，该系统包括：
[0125] 建立模块401，用于建立用户终端与云服务器之间的通信连接；
[0126] 接收模块402，用于向所述用户终端发送获取环境参数和硫化矿石实验参数的请求，接收用户终端反馈的目标环境参数和目标硫化矿石实验参数；
[0127] 选择模块403，用于根据所述目标环境参数和目标硫化矿石实验参数在数据库中选择合适的目标数学模型；
[0128] 计算模块404，用于利用所述目标数学模型结合所述目标环境参数和目标硫化矿石实验参数计算出硫化矿石的目标自热率。
[0129] 上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
[0130] 本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途
或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常
识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面
的权利要求指出。
[0131] 应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
