基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型

根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。

结合PCA与IR-MAD的降雨型滑坡检测方法

季节强降雨是诱发滑坡失稳的重要因素之一,特别是在我国中山丘陵地区,滑坡发生场景相对复杂,探究复杂情景下的滑坡检测方法对灾情评估、灾后应急调查等工作具有重要研究意义。针对遥感特征相近地物干扰造成滑坡识别精度低的问题,本文提出了一种结合PCA与IR-MAD的滑坡检测方法,实现了新生滑坡准确提取。结果表明,与现有方法相比,本文方法有效抑制了由作物播种收获、洪水汛期等季相因素产生的裸地、滩涂等滑坡遥感特征相似地物对滑坡检测造成的干扰,其在滑坡检测精确率和滑坡识别模型稳定性方面均有一定提升。

基于PCA-RF组合模型的福建省空气负氧离子浓度预测研究

空气负氧离子(NOI)浓度是评价空气新鲜和清洁程度的重要指标。为了提高NOI浓度的监测能力,综合考虑气象要素和遥感因子,分析NOI浓度的关键影响因子,利用皮尔逊相关分析、PCA分析和随机森林机器学习方法(RF)构建了福建区域NOI浓度的PCA-RF预测模型。研究发现,(1)NOI浓度分布与风速(W_(air))、空气温度(T_(air))、大气压强(P_(air))、能见度(I_(VIS))、气溶胶光学厚度(h_(AOD))、植被指数(I_(NDVI))、湿度指数1(I_(NDMI1))、植被供水指数(I_(VSWI))和亮度指数(I_(NDSI))呈显著相关(均通过0.01显著性检验),其中W_(air)、I_(VIS)、I_(NDVI)和I_(VSWI)与NOI浓度呈正相关,T_(air)、P_(air)、h_(AOD)、I_(NDMI1)和I_(NDSI)与NOI浓度呈负相关。(2)主成分数量为7时,方差累计贡献率达到93.36%,能够代表所有因子的大部分信息。(3)PCA-RF模型最佳的ntree和mtry分别为400和7。对福建区域NOI浓度影响较大的前3个因子依次为P_(air)、I_(VIS)和I_(VSWI)。(4)PCA-RF模型在验证集上的RMSE为803.73 ions/cm^(3),R^(2)为0.44,MAE为548.79 ions/cm^(3)。

基于PCA的汉中市中心城区空气质量影响因素研究

根据2022年汉中市中心城区环境空气质量监测数据和气象数据,运用主成分分析法(PCA)研究了影响空气质量的主要因素和重要因素,并对比分析了气象指标和各污染物浓度之间的关系。结果表明:主成分分析法提取的3个主成分方差贡献率为79.388%,达到了预期效果。主成分1的方差贡献率为51.745%,其中PM_(2.5)、CO、NO_(2)、PM_(10)权重较高,说明PM_(2.5)、CO、NO_(2)、PM_(10)是影响空气质量的主要因素,且它们高度正相关,相关系数最高为0.905(PM_(2.5)-CO),最低为0.751(PM_(10)-CO),分析表明加强对工业源、移动源CO、NOx以及颗粒物排放管控是改善空气质量的有效途径。主成分2、主成分3的方差贡献率合计为27.643%,主要包含了风向、O_(3)、风级、气温等信息,是影响空气质量的重要因素。气温对各污染物浓度影响最明显,与O_(3)显著正相关,与其他污染物负相关,影响程度大小依次为CO>O_(3)>NO_(2)>PM_(2.5)>PM_(10)>SO_(2),在7℃时,PM_(2.5)、PM_(10)、NO_(2)、CO、SO_(2)浓度相对较高;在偏东北风时PM_(2.5)、PM_(10)、CO平均浓度较高,O_(3)平均浓度较低,偏西南风时具有相反特征;风级增大污染物浓度降低,但O_(3)浓度在1级~2级风时较高。

M-FPCA在彩色人脸图像识别中的应用

将因子化主成分分析(FPCA)算法应用于人脸图像特征提取时,需要使用迭代算法,但该算法应用于高分辨率图像时实时性较差,并且可能导致维数灾难。针对上述问题,提出一种模块化FPCA(M-FPCA)的新型特征提取方法。将原始数字图像样本进行模块化,对模块化后得到的各个子图像矩阵采用FPCA算法进行特征提取,合并子图像特征矩阵得到原图的特征矩阵。彩色图像由R、G、B 3个分量来表示,根据现有彩色信息融合方法的不足,对其进行改进,并结合M-FPCA算法,提出一种彩色M-FPCA新方法。在CVL和FEI人脸库上进行的实验结果表明,M-FPCA方法能提高FPCA算法的实时性,解决维数灾难问题。彩色M-FPCA方法能有效提取彩色人脸图像的色彩信息,得到较高的人脸识别率。

清远市清城区土壤中重金属的空间分布、来源解析和健康评价:基于PCA和PMF模型的对比

本研究在中国东南部一个典型的快速转型工业城区采集了122个土壤样品。我们采用富集因子(EF)、地质累积指数法(I_(geo))、斯皮尔曼相关性分析、潜在生态风险综合指数(RI)和人体健康风险模型(HHR)多种分析方法对研究区9种重金属(As、Co、Cr、Cu、Hg、Ni、Pb、Ti和Zn)的污染特征进行评估,并结合主成分分析(PCA)、正矩阵分解(PMF)模型和地统计学法对研究区土壤进行来源解析。结果表明,土壤中As、Cu、Hg、Pb、Zn存在明显富集,但研究区整体处于清洁状态。由于PCA和PMF模型对重金属聚类分组的结果并不完全一致,故分别将9种重金属元素划分为两个来源和3个来源,以便互相验证元素划分的准确性。在潜在生态风险评价中,研究区整体处于轻微生态风险水平;值得注意的是,Hg元素带来的生态风险是所有元素中最高的。对于人体健康风险评价,在该研究区中,成人和儿童均不存在非致癌风险和致癌风险,但是我们发现儿童比成人在面对重金属带来的健康风险时表现得更敏感,应当引起重视。

基于KPCA-IA-SVM的边坡稳定性预测模型

为了解决当前研究中边坡稳定性预测模型计算量大且预测能力不佳的问题,提出了一种基于改进的主成分分析(PCA)和免疫算法优化扩展径向基函数(radial basis function,RBF)支持向量机的边坡安全系数预测方法。首先,在传统的主成分分析方法中引入了线性判别的思想,实现输入空间的降维。此外,利用对称正定矩阵对RBF核函数进行扩展,构建基于ERBF核函数的支持向量机模型,并用免疫算法记性优化。采用均方根误差(root mean squared error,RMSE)、平方和误差(sum of squares for error,SSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和可靠性来验证模型的性能。与网格搜索、粒子群优化算法和遗传算法相比,所提出方法的4种误差分别为0.0226、0.0058、0.0735和0.0121,数值偏差更小,预测结果更接近实际值且可靠性更高。此外,还将以上方法与强度折减法进行了对比,结果表明所提出方法与边坡安全系数计算值最为接近。最后,从边坡安全系数得出的边坡稳定级别也可为相关决策部门在应急响应中提供参考。

基于PCA算法的低碳城市建设影响因素研究

在“双碳”目标背景下,城市作为落实低碳战略的重要主体,迎来了诸多挑战。为助力城市生态可持续发展,研究构建评价指标体系,量化数据并进行信效度分析,利用PCA算法对数据进行降维和特征提取,通过对主成分的解释和权重分析,确定关键影响因素。研究表明,影响低碳城市建设的关键因素分为环境、能源、建筑等八类,共11项指标。据此,探索低碳城市建设的优化路径与可行性策略,以促进“双碳”目标建设。

基于PCA-BP模型的粮食安全体系研究

粮食安全是全面推进乡村振兴的关键。为此,本文基于PCA-BP神经网络模型并利用灰色关联分析对粮食产量的主要影响要素进行定量分析。本文根据地理位置、气候、自然灾害等因素,选取对辽宁省粮食产量有影响的8个指标,初步确定影响要素后对不同指标数据进行预处理,将不同单位的指标数据均变化到0~1之间。采用主因子分析法,去除冗余的指标后最终选取5个指标,确定为主要影响产量的因素。然后利用PCA-BP组合神经网络预测模型,根据选取的5个指标作为BP神经网络的输入层,对未来5年粮食产量进行预测。并将8种指标分别与粮食总产量进行敏感度对比,判断出指标与粮食总产量的相关性大小。确定出特定的几种因素,帮助粮食在适合的环境中更好地生产,以达到增加产量的目的。

Study on the Key Influence Factors of Environmental Mass Incidents by Delphi-PCA-Frequency Analysis Composite Method

In order to prevent and control environmental mass incidents,by comprehensively using literature research,case analysis and logical reasoning method,27 factors influencing environmental mass incidents were selected. Among them,15 key influencing factors were screened by Delphi-PCA-frequency analysis composite method. The key influencing factors were analyzed,and corresponding countermeasures were put forward.

基于PCA与BP神经网络的小学教育质量指数研究

小学教育是素质教育的重要组成部分,研究小学教育质量指数并评价教育质量,对指导基础教育发展有重要意义。现有的教育质量评价体系缺乏理论框架,难以适用不同地区,并且局限于通过线性组合不同教育质量影响因素来构建质量指数。针对上述局限,文章考虑中国31个省份小学教育,分析70种教育质量影响因素。通过PCA和BP神经网络构建一套完整的非线性理论框架,并提出了一种新型的指数BPEQI。测试表明,该指数能够较好地评价各地区小学教育质量,为地区小学教育发展方向提供参考。

香格里拉市高山松林碳密度与环境因子的关系研究

以香格里拉市高山松林为研究对象,依据前期构建的高山松单木碳储量模型,结合森林资源二类调查数据推算高山松林的碳密度,利用除趋势对应分析方法探讨高山松林碳密度与各环境因子之间的关系。结果表明,在林分因素中,平均树高对高山松林碳密度的影响最大;在地形因素中,坡度对高山松林碳密度的影响最大;在温度因素中,最热月均温和最冷月均温差对高山松林的碳密度影响最大;在降水因素中,最干季降水和最冷季降水对高山松林碳密度的影响最大。环境因子的综合作用对高山松林碳密度影响的综合分析表明,DCA的第一排序轴与高山松林的碳密度相关性最大,可以很好地解释环境因子的综合作用对高山松林碳密度产生的影响,在26个环境因子中,有20个环境因子与DCA第一排序轴有极显著的相关性,其中,林分因子的相关性系数较大,说明高山松林的碳密度主要受林分因子共同作用的影响。

运用主成分分析(PCA)评价海洋沉积物中重金属污染来源

测定了胶州湾表层沉积物中重金属和有机质的含量，并用平均富集因子（Average Enrichment Factors，AEF）进行污染状况评价，发现胶州湾表层沉积物重金属污染可分为3类：轻度污染（AEFs〈2），其中有Zn（AEF=1．11）、Pb（AEF=1．15）、Cr（AEF=1．52）、Mn（AEF=0．80）、Fe（AEF=0．45）；中度污染（AEFs=2-3），包括Cu（AEF=2．79）和Cd（AEF=2．52）；严重污染（AEFs〉3），主要有As（AEF=3．03）和Hg（AEF=8．08）．进一步通过主成分分析（Principal Component Analysis，PEA）研究沉积物中重金属的来源，发现前3个主成分的贡献率分别为52．61％、17．37％和15．60％，表明重金属主要有3个来源：工业排污、有机质降解、岩石的自然风化与侵蚀过程．PCA的聚类分析指出，本次研究中所调查的14个站位在污染程度上可分为5大类，此结果既反映了胶州湾表层沉积物近河口污染程度重远河口污染程度轻的特点，同时也支持了工业排污是沉积物中重金属污染主要来源的分析．

兰州市银滩湿地硅藻群落演变及PCA相关分析

分析了兰州市银滩湿地2011年3—10月沉积物中硅藻群落结构以及演变特征.每月中旬在湿地样点采集8个沉积物样,同时测定样点水体温度、电导率和pH值.共鉴定出27属,126种及变种硅藻,Navicula和Nitzschia两个属出现的频率最高.各个月份的硅藻优势种、个体形态、种群数量及结构有较大的差异.其中,3月份以Navicula pupula为优势种,4月份以Navicula simplex为优势种,5,8,10三个月Navicula veneta在表层沉积物中含量最高,6月份Cymbella pusilla丰度最高,7,9两个月的优势种为Navicula viridula var.rostellata.而从7月以后湿地硅藻属种的面貌发生了较大的变化,Nitzschia palea,Cymbella affinis,Cymbellaventricosa,Navicula veneta,Navicula viridula var.rostellata等成为了主要硅藻属种.受黄河7月以后水位上升的影响,外源污水可能大量进入湿地水体,湿地大部分处于弱有机污染状态.通过对硅藻属种及pH、电导率、总有机质质量分数和温度环境变量之间的去趋势对应分析和主成分分析表明:pH是影响硅藻属种分布最主要的环境变量,能解释较多的硅藻属种分布特征;次要的环境变量是电导率、有机质质量分数受水体的影响,表明湿地水体有机污染物有外源输入的特征.

PCA-GRNN在综合气象短期负荷预测中的应用

为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析(PCA)提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络(GRNN)的短期负荷预测模型。通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性。

PCA-BP神经网络模型预测导水裂隙带高度

导水裂隙带高度的预测对煤矿安全开采有重要意义,而传统回归方法未考虑因素间相关系数对预测结果的影响。选取采深、煤层倾角、煤层厚度、煤层硬度、岩层结构、顶板岩石单轴抗压强度、开采厚度和采空区斜长作为预测导水裂隙带高度的影响因素,建立基于PCA-BP神经网络的导水裂隙带高度预测模型。测试结果表明,煤层厚度对导水裂隙带高度的影响最大,其余各因素对导水裂隙带高度的影响较大,采深和开采厚度对导水裂隙带高度的影响较小;PCA-BP神经网络模型的训练速度和预测效果均优于BP神经网络模型,且最大预测误差仅为5.58%。

基于主成分分析的城市河流水质时空分布特征研究——以沧州市为例

客观、综合评价城市河流水质的污染状况对城市河流水污染精准防治具有重要意义。以2022年沧州市13条重要河流的pH、溶解氧(DO)、高锰酸盐指数(COD_(Mn))、化学需氧量(COD_(Cr))、总磷(TP)、氨氮(NH_(3)-N)、氟化物(F−)共7项水质指标数据为基础,采用主成分分析法,提取引起河流水质变化的主导指标,诊断河流污染状况,再运用水质指标权重计算各河流监测断面和不同季节综合得分,分析河流水质时空分布特征。结果表明:1)2022年沧州市13条河流水质整体较好,大部分河流水质为GB 3838―2002《地表水环境质量标准》Ⅲ类,少数河流COD_(Mn)、COD_(Cr)达到Ⅳ类水质标准;2)使用主成分分析法,可将7个水质指标转化为2个主成分,累计方差贡献率达78.492%,其中与第一主成分显著相关的水质指标COD_(Mn)、COD_(Cr)、TP和F−主导着研究区域水质变化,且4个水质指标之间呈显著正相关;3)空间分析表明,沧浪渠为13条监测河流中污染程度最高的河流,且沧州市东北区域河流污染程度高于西北区域和中南区域;4)季节分析表明,13条河流不同季节水质污染严重程度表现为夏季>春季>冬季>秋季。研究结果可为沧州市城市河流水污染控制策略的制定提供参考。

影响湖南省空气质量指数的主要气象因子分析

为了落实《湖南省大气污染防治攻坚行动工作方案》对空气质量预报精细化的要求,本研究基于湖南省主要城市2015—2022年间的空气质量数据和气象要素数据,采用统计分析、相关分析、主成分分析法(PCA)等方法,分析了湖南省空气质量指数(AQI)与气象条件之间的关系,提取了影响湖南省不同等级AQI的主要气象因子,并分析了不同等级污染天气的主要气象影响因子。结果显示:(1)在研究期内,湖南空气质量优良天数优于全国平均水平,污染天数分布存在显著的区域差异,部分城市没有出现过严重污染天气。(2)多个气象要素组合构成的气象因子共同对AQI产生影响,影响湖南省AQI的主要气象因子包括气温、水汽与日照组合、平均风速以及降水量;除严重污染天气外,气温因子是影响湖南AQI的首要因子。(3)单个气象要素与AQI之间的相关性较弱。(4)地形的影响使气象条件分布更复杂,而且主要影响AQI的气象因子存在区域差异,增加了AQI精细化预报的难度。

一种基于比例因子的PCA人脸识别方法

主成分分析(PCA)是自动人脸识别的常用方法。在基于传统K-L变换的PCA人脸识别方法的基础上,提出了一种基于比例因子的PCA人脸识别的改进方法。研究表明,较之K-L变换,基于比例因子的方法更有效,合理选取比例因子和主成分是提高识别准确率的关键。

基于PCA-SVM的高含硫油气混输管道腐蚀预测

为预测高含硫油气混输管道腐蚀情况,分析了导致腐蚀的原因,归纳影响腐蚀的因素。采用主成分分析法(PCA)对各种因素进行优选,摒弃相关联但贡献率较低的因素。将贡献率较大的因素作为支持向量机(SVM)的输入变量,以腐蚀率作为目标输出函数,建立管道腐蚀预测模型,并进行管道腐蚀率预测。以某公司川中地区8条运营管线为例,验证SVM方法预测管道腐蚀率的效果。结果表明,PCA-SVM方法的预测数据平均相对误差较小、吻合度高,预测结果符合实际情况。