基于主成分分析的消除铁精粉化学指标相关性的方法技术

本发明专利技术公开了一种基于主成分分析的消除铁精粉化学指标相关性的方法，包括检验相关性、抽取主因子、确定主成份的特征向量、由主成份的特征向量确定主成分表达式、根据主成分表达式，得到各主成分得分值的步骤。本发明专利技术采用主成分分析法对指标进行处理，客观公正地消除指标的相关性，保证各影响因素之间的独立性，为建立各项影响因素对造球性能的影响模型奠定了基础；为进一步提升和发展球团工艺提供了参考依据。

Method for eliminating correlation of chemical indexes of iron concentrate based on principal component analysis

The invention discloses a method for eliminating iron powder chemical index correlation based on principal component analysis, correlation test, the main factors including extraction and determine the feature vector, the principal component eigenvectors by principal component determination of principal component expressions, based on principal component expression to the principal component scores of the steps. The invention adopts principal component analysis to process the index method, objectively eliminate the relevance of the index to ensure independence between the various influencing factors, in order to establish the influence factors and lay a foundation for the effect of balling performance model; and provides a reference for further development and improvement of pelletizing process.

【技术实现步骤摘要】
基于主成分分析的消除铁精粉化学指标相关性的方法
本专利技术涉及一种消除铁精粉化学指标相关性的方法，尤其涉及一种基于主成分分析的消除铁精粉化学指标相关性的方法，属于冶金行业的造球

技术介绍
球团是优质高炉炉料，但由于矿产日渐枯竭，铁精粉质量下降，造成生产时成球率低。因此，可以分析原料特性对铁精矿成球性能的影响入手，研究铁精粉混合情况对成球性能的影响，探索几种原料不同配比的成球性能模型。以钢厂最常用的庙沟、研山、司家营三种铁精粉为例，建立研山和司家营两种铁精粉不同配比以及不同孔容和孔径值的成球性能模型，为了便于研究，把两种铁精粉混合配比转化为五种化学成分TiO2、Al2O3、SiO2、FeO、TFe混合配比对成球性的影响，而各项影响因素对于成球性能的影响机制是一个非线性的复杂系统，无法用函数表达式表示出来，因神经网络的智能学习性，可以训练仿真网络，因此，拟定使用BP神经网络算法对已有实验数据进行训练，建立各影响因素对成球性能的影响模型，但是使用BP神经网络之前需要保证各项影响因素之间的独立性，因此保证各项影响因素的独立性是非常重要的。但是同为化学元素的TiO2、Al2O3、SiO2、FeO、TFe之间存在一定的相关性，这会严重影响下一步利用BP神经网络的预测工作。
技术实现思路
本专利技术要解决的技术问题是提供一种简单可行的基于主成分分析的消除铁精粉化学指标相关性的方法。为解决上述技术问题，本专利技术采用的技术方案是：一种基于主成分分析的消除铁精粉化学指标相关性的方法，包括以下步骤：步骤1：检验相关性：检验TiO2、Al2O3、SiO2、FeO、TFe五种铁精粉化学成分之间的相关性，建立相关系数矩阵；步骤2：抽取主因子：对相关系数矩阵进行主成分分析，并抽取主因子，抽取主因子遵循：根据相关系数矩阵的特征值大小来确定主因子，主因子的特征值大于1；步骤3：确定主成份的特征向量[a1,a2,a3,a4,a5]：对相关系数矩阵进行主成分分析，得到成分矩阵，特征向量由成分矩阵里的各向量除以对应方差的算术平方根得到；步骤4：得到各主成分得分值Y1：y1＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5(1)式中，x1，x2，x3，x4，x5分别表示TiO2、Al2O3、SiO2、FeO、TFe五种铁精粉化学成分的数值。采用上述技术方案所取得的技术效果在于：1、本专利技术解决了由于铁精粉化学指标相关而无法下一步实施预测指标与成球性关系的问题；2、本专利技术采用主成分分析法对指标进行处理，客观公正地消除指标的相关性，保证各影响因素之间的独立性，为建立各项影响因素对造球性能的影响模型奠定了基础；为进一步提升和发展球团工艺提供了参考依据。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1是本专利技术的流程图。具体实施方式本专利技术想要解决的是在建立铁精粉的不同配比、孔径和孔容对最终成球性能的影响各影响变量间不独立的问题，为进一步利用BP神经网络准确建立影响变量对成球性的影响机制模型奠定基础。本实施例分别设定研山和司家营两种铁精粉的配比量、不同孔径和孔容值，进行成球工艺，采集不同配比量以及不同孔径和孔容值的成球性能，实验数据见表1，化学成分、孔径及孔容对成球性的影响如表1所示。在表1中研山简称研，司家营简称司。在进行因子分析之前，先要对变量进行相关性检验，得到相关矩阵，每两个变量之间的相关系数越接近1，表示变量之间相关性越强，越需要做相关性分析。根据表1可得，TiO2、Al2O3、SiO2、FeO、TFe五种铁精粉的化学成分，其间必然会存在相关性，而化学成分与孔径和孔容三者之间不存在相关性，因此只需对五种化学成分进行主成分分析，消除其相关性。表2为铁精粉的五种化学成分TiO2、Al2O3、SiO2、FeO、TFe两两之间的相关性。从表2可以看出，每两个化学成分之间的相关系数都达到1或是-1，说明五种化学成分之间具有非常强的相关性，需要进行因子分析，消除变量间的相关性。主因子个数抽取原则：1)根据特征值的大小来确定，一般取大于1的特征值对应的几个主因子。2)根据因子的累积方差贡献率来确定，一般取累积贡献率达85％以上的特征值所对应得第1、第2、……第m个主因子，m≤原始变量数，对表1中五种化学成分进行主成分分析，并根据上述两项原则抽取主因子，结果见表3。依据表3可以看出，抽取1个主成分的累积贡献率为99.989％，几乎代表了五种化学成分的所有信息。对相关系数矩阵进行主成分分析，得到成分矩阵，特征向量[a1,a2,a3,a4,a5]由成分矩阵里的各向量除以对应方差的算术平方根得到；得到各主成分得分值Y1：y1＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5(1)式中，x1，x2，x3，x4，x5分别表示TiO2、Al2O3、SiO2、FeO、TFe五种铁精粉化学成分的数值。成分矩阵如表4所示，使用表4成分矩阵里的各载荷向量除以对应方差的算术平方根，得到该主成分的特征向量，见表5。设TiO2Al2O3SiO2FeOTFe依次为x1，x2，x3，x4，x5，根据表5中的主成分特征向量矩阵得到主成分的表达式：y1＝0.4473*x1-0.4473*x2-0.4473*x3+0.4473*x4+0.4473*x5(1)根据主成分表达式，可以得到该主成分得分值，见表6。综上研究，从5种具有强烈相关性的影响因素中提取了一个主成分，并与孔径和孔容构成了对成球性能的影响因素集，见表7，消除了指标之间的相关性。本专利技术为进一步利用BP神经网络建立各影响因素的成球性能模型奠定了一定的基础。表1不同司、研配比下成球性能实验数据表表2化学成分相关系数表表3表4成分矩阵表5特征向量表6主成分得分值表表7主成分处理后的实验数据表本文档来自技高网...

【技术保护点】
一种基于主成分分析的消除铁精粉化学指标相关性的方法，其特征在于：包括以下步骤：步骤1：检验相关性：检验TiO

【技术特征摘要】
1.一种基于主成分分析的消除铁精粉化学指标相关性的方法，其特征在于：包括以下步骤：步骤1：检验相关性：检验TiO2、Al2O3、SiO2、FeO、TFe五种铁精粉化学成分之间的相关性，建立相关系数矩阵；步骤2：抽取主因子：对相关系数矩阵进行主成分分析，并抽取主因子，抽取主因子遵循：根据相关系数矩阵的特征值大小来确定主因子，主因子的特征值大于1；步骤3：确定主成...

【专利技术属性】
技术研发人员：李杰，刘卫星，杨爱民，李慧，梁精龙，杨曙磊，高放，边敏华，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：河北,13