文献

J-GLOBAL ID：201702233048589035   整理番号：17A0094562

SPSSに基づく採炭作業におけるガス予測モデルの研究【JST・京大機械翻訳】

Study on prediction model of gas emission in coal working face based on SPSS

著者 (3件)： Pi Zikun (College of Safety Science and Engineering, Liaoning Technical University) ,  Jia Baoshan (College of Safety Science and Engineering, Liaoning Technical University, Key Laboratory of Mine Thermodynamic Disaster & Control of Ministry of Education) ,  Li Zongxiang (College of Safety Science and Engineering, Liaoning Technical University, Key Laboratory of Mine Thermodynamic Disaster & Control of Ministry of Education)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 52  号： 15  ページ： 228-232  発行年： 2016年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 鉱井采煤の作業量を予測するために,多重因子共分散アルゴリズムによる計算誤差拡大の問題を解決するために,段階的回帰アルゴリズムを採用して,各因子の間の重大な多重共線性に起因する計算誤差の問題を解決した。SPSSソフトウェアを用いて、多変量主成分回帰分析アルゴリズムを用いて、採炭切羽の仕事に影響する主な要因を獲得し、PCR-SPA予測モデルを構築した。このモデルの予測性能を,多変量線形回帰予測,灰色関連度解析,およびBPニューラルネットワーク予測結果と比較した。結果は以下を示す。このモデルは三つの主成分変数を選択し、計算量を有効に削減し、比較的高い予測精度を持ち、鉱山の仕事量の予測量に対して有効な予測を行うことができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *採炭 ,  分散アルゴリズム ,  *予測モデル ,  アルゴリズム ,  切羽 ,  煤 ,  計算量 ,  多重化
準シソーラス用語： 予測精度 ,  逆伝播ニューラルネットワーク ,  多変量線形回帰 ,  予測性能 ,  主成分回帰 ,  多変量 ,  *SPSS , 【Automatic Indexing@JST】

著者キーワード (5件)： coal working face ,  Statistical Package for Social Science(SPSS) ,  multicollinearity ,  principal component analysis ,  gas emission quantity

分類 (9件)： 気圏環境汚染  (SB03020M) ,  地震学一般  (DC03020A) ,  放射,大気光学  (DC05080C) ,  岩盤の力学的性質  (HE02000H) ,  数値計算  (JE02000J) ,  測地学  (DC02000X) ,  太陽光発電  (NB03090G) ,  統計学  (AB08000H) ,  坑道掘進  (UA05060R)

タイトルに関連する用語 (4件)： SPSS ,  採炭 ,  予測モデル ,  研究