基于主成分聚类分析的采矿方法优选

被引:15
作者
陈建宏
蒋权
郑海力
杨珊
机构
[1] 中南大学资源与安全工程学院
关键词
采矿方法优选; 主成分分析法; 聚类分析法;
D O I
暂无
中图分类号
TD80 [一般性问题];
学科分类号
081901 [采矿工程];
摘要
采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。
引用
收藏
页码:36 / 41
页数:6
相关论文
共 15 条
[1]
基于主成分分析与神经网络的采矿方法优选 [J].
陈建宏 ;
刘浪 ;
周智勇 ;
永学艳 .
中南大学学报(自然科学版), 2010, 41 (05) :1967-1972
[2]
神经网络与主元分析在采矿工程中的应用 [J].
李云 ;
刘霁 .
中南林业科技大学学报, 2010, 30 (06) :140-146
[3]
改进的主成分分析法及其在水质评价中的应用 [J].
刘春龙 .
安徽农业科学, 2009, 37 (22) :10642-10643+10735
[4]
基于灰关联分析法的采矿方法优选 [J].
王新民 ;
谢盛青 ;
赵彬 ;
张钦礼 .
金属矿山, 2009, (07) :10-12+32
[5]
基于模糊决策和层次分析法的采矿方法选择 [J].
叶海旺 ;
常剑 .
武汉理工大学学报, 2009, 31 (08) :145-148+153
[6]
基于层次分析和模糊数学的采矿方法选择 [J].
王新民 ;
赵彬 ;
张钦礼 .
中南大学学报(自然科学版), 2008, (05) :875-880
[7]
聚类分析在采矿方法选择中的应用 [J].
肖宏 .
湖南有色金属, 2008, (04) :1-3
[8]
一种基于加权聚类分析的岩体可爆性分级方法 [J].
璩世杰 ;
毛市龙 ;
吕文生 ;
辛明印 ;
宫永军 ;
金效元 .
北京科技大学学报, 2006, (04) :324-329
[9]
主成分分析应用方法的改进 [J].
徐雅静 ;
汪远征 .
数学的实践与认识, 2006, (06) :68-75
[10]
基于改进主成分分析方法的复杂环境系统质量评价模型 [J].
王晓鹏 ;
曾永年 ;
丁生喜 ;
曹广超 .
系统工程理论与实践, 2005, (11)