黄金科学技术
黃金科學技術
황금과학기술
Gold Science and Technology
2015年
5期
66-71
,共6页
主成分分析%BP 神经网络%失效风险评估%充填管道系统
主成分分析%BP 神經網絡%失效風險評估%充填管道繫統
주성분분석%BP 신경망락%실효풍험평고%충전관도계통
Principal Component Analysis(PCA)%BP neural network%invalidate risk evaluation%backfill pipe system
为避免传统评价方法中主观因素造成的影响并弥补神经网络在风险预测中的不足，将统计学中的主成分分析法（PCA）与 BP 神经网络模型进行有机结合，并根据大量有关矿山充填管道系统资料，建立充填管道失效风险评价模型。研究发现，将原始数据经过主成分分析法处理，不仅可以有效地减少模型输入维数，便于消除各指标间的相关性，而且与未经 PCA 处理的 BP 神经网络相比，训练收敛速度明显加快，预测结果更加准确。针对某矿山充填管道系统实际情况，利用该模型进行模拟预测的结果与实际情况相符合，证明模型合理。
為避免傳統評價方法中主觀因素造成的影響併瀰補神經網絡在風險預測中的不足，將統計學中的主成分分析法（PCA）與 BP 神經網絡模型進行有機結閤，併根據大量有關礦山充填管道繫統資料，建立充填管道失效風險評價模型。研究髮現，將原始數據經過主成分分析法處理，不僅可以有效地減少模型輸入維數，便于消除各指標間的相關性，而且與未經 PCA 處理的 BP 神經網絡相比，訓練收斂速度明顯加快，預測結果更加準確。針對某礦山充填管道繫統實際情況，利用該模型進行模擬預測的結果與實際情況相符閤，證明模型閤理。
위피면전통평개방법중주관인소조성적영향병미보신경망락재풍험예측중적불족，장통계학중적주성분분석법（PCA）여 BP 신경망락모형진행유궤결합，병근거대량유관광산충전관도계통자료，건립충전관도실효풍험평개모형。연구발현，장원시수거경과주성분분석법처리，불부가이유효지감소모형수입유수，편우소제각지표간적상관성，이차여미경 PCA 처리적 BP 신경망락상비，훈련수렴속도명현가쾌，예측결과경가준학。침대모광산충전관도계통실제정황，이용해모형진행모의예측적결과여실제정황상부합，증명모형합리。
For the sake of covering the shortages for neural network in risk evaluation and eliminating human error and subjective grounds,principal component analysis in statistic and BP neural network were combined and used to constructing the invalidate risk evaluation model of backfill pipe,which couple with a large amount of relative data of mine’s backfill pipe system.The investigations found that the input dimension of neural network were reduced and the relationship of all the indexes were also eliminated through dealing with the original data by means of PCA method,and the contrast of optimized BP neural network and standard BP neural network without principal components analysis turned out the former has outstanding merits of rapid analysis and high accuracy in predicting,meanwhile,the rationality of the model was certified according to the results from simulation test.
