《表2 主成分系数：基于PCA-GWO-SVM的矿山边坡变形预测》
提示：宽带有限、当前游客访问压缩模式
首先，经由PCA主成分分析获得各成分的贡献值，其总方差解释如表1所示，主成分的成分矩阵如表2所示。
| 图表编号 | XD00135677800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 解洪伟、朱东丽 |
| 绘制单位 | 广东省有色地质测绘院、广州市城市规划勘测设计研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 主成分的载荷矩阵：露天矿边坡稳定性预测的PCA-ART模型及其应用》2020.10.10
- 《表3 主成分系数：基于PCA-NB方法的煤层气井压后产量预测研究》2019.12.25
- 《表3 模型预测结果：基于PCA-GWO-SVM的矿山边坡变形预测》2020.02.01
- 《表1 总方差解释：基于PCA-GWO-SVM的矿山边坡变形预测》2020.02.01
- 《表1 边坡变形监测数据：基于Verhulst灰色模型的基坑边坡变形预测》2019.11.20
- 《表5 拟合的曲线模型：基于灰色-马尔科夫模型的高边坡变形预测应用》2019.10.25
- 《表2 各状态下的β值：基于灰色-马尔科夫模型的高边坡变形预测应用》2019.10.25
- 《表2 聚类中心：基于FCM-SVM的矿山边坡安全系数估算》2019.10.25
- 《表4 安全系数估算结果：基于FCM-SVM的矿山边坡安全系数估算》2019.10.25
- 《表3 欧式距离计算结果：基于FCM-SVM的矿山边坡安全系数估算》2019.10.25
- 《表5 主成分系数矩阵：基于PCA-BAS-PPR的海底管道外腐蚀速率预测模型》2019.10.15
- 《表2 主成分分析：基于主成分回归算法的城市客流聚集风险预测》2019.07.30
- 《表2 边坡变形模式判断：矿山露采边坡滑移-弯曲变形与机理研究》2019.08.20
- 《表1 物理力学参数：矿山露采边坡滑移-弯曲变形与机理研究》2019.08.20
- 《表1 解释的总方差：主成分-多变量时间序列模型及其在桥梁变形预测中的应用》2019.07.25
- 《表3 预测样本参数：基于网格搜索支持向量机的边坡稳定性系数预测》2019.05.20
- 《表4 主成分得分系数：基于主成分分析法的煤矿瓦斯涌出量预测》2019.04.10
- 《表5 方差分析表：基于改进主成分分析法的岩质边坡稳定性评价模型》2019.02.28
- 《表1 0 系数：基于主成分回归的区域物流发展预测模型构建与实证分析——以泰安市为例》2018.03.20
- 《表1 工作面基本信息：基于D-InSAR与GM(1,1)模型的矿山变形监测与预测》2018.04.25