基于主成分分析与神经网络的采矿方法优选_陈建宏.pdf

第 41 卷第 5 期 中南大学学报( 自然科学版) Vol.41 No.5 2010 年 10 月 Journal of Central South University (Science and Technology) Oct. 2010 基于主成分分析与神经网络的采矿方法优选 陈建宏，刘浪，周智勇，永学艳 ( 中南大学 资源与安全工程学院，湖南 长沙，410083) 摘 要：基于利用神经网络预测采矿方法存在一些不足，建立主成分分析法与神经网络结合的采矿方法优选模型。 对神经网络的输入数据进行主成分分析，使输入数据不相关且减少。研究结果表明：利用主成分分析法可将输入 数据减少，消除由于 BP 网络输入数据太多而影响数据处理速度的缺陷；把主成分分析法和神经网络结合进行采 矿方法优选，可使预测精度大大提高。 关键词：采矿方法；主成分分析法；BP 神经网络 中图分类号：TD853 文献标志码：A 文章编号：1672−7207(2010)05−1967−06 Optimization of mining methods based on combination of principal component analysis and neural networks CHEN Jian-hong, LIU Lang, ZHOU Zhi-yong, YONG Xue-yan (School of Resources and Safety Engineering, Central South University, Changsha 410083, China) Abstract: Based on the fact that the deficiencies of neural networks predict mining method, the optimization model of mining methods was set up combining principal component analysis with neural networks. The results show that using the principal component analysis can reduce input-data, eliminate the defect which is due to BP network input data too much influencing the data-processing speed. Combining principal components analysis with neural networks to optimize mining method can make the prediction accuracy improve greatly. Key words: mining methods; principal components analysis; BP-neural networks 采矿方法在矿山生产中占有十分重要的地位，因 也会导致建模效率下降[5] 。在此，本文作者将主成分 为它对矿山生产的许多技术经济指标如矿山生产能 分析法(Principle component analysis, PCA)与 BP 神经 力、矿石损失率和贫化率、成本及安全等都具有重要 网络结合的方式建立采矿方法优选模型，首先采用主 的影响[1−2] ，所以，采矿方法选择得是否合理和正确， 成分分析法对输入数据预处理，减少网络输入因子数， 将直接关系到矿山企业的经济效果和安全生产状况。 同时使输入因子彼此不相关，并且数据包括的主要信 传统的采矿方案仅仅是由单个影响因素或几个因素各