Statistical Analysis and Evaluation of the Economic Development in Shaanxi Province

Based on 8 indicators of economic development and according to the economic situation of cities in Shaanxi Province,this paper analyzes the data using PCA( Principle Component Analysis) and FA( Factor Analysis) with the help of R software.Using the test of Kendal's W coefficient of concordance,the consistency of results from both methods is tested.Finally,Cluster Analysis is used to classify the results and some advices are proposed for the development of cites in Shaanxi Province.

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。

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%。

我国普通高等教育人力资源发展水平的统计分析

本文综合运用主成分分析和因子分析两种综合评价方法 ,对我国各地区高等教育人力资源的发展水平进行排序和分类 ,为规划和发展各地区的高等教育事业提供了一定的科学依据。两种综合评价方法的综合运用克服了单一评价方法的片面性 ,评价结果较为全面。