《表4 主成分得分系数矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GWO改进的PCA-BP神经网络煤层底板破坏深度预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据以上公式，利用SPSS软件进行处理，得到结果（见表3）。可以看出，前3个主成分的贡献率超过78%，所以可以直接选用前3个主成分作为输入数据。选取每个主成分中得分系数（见表4）绝对值较大的一个或多个影响因子进行主成分命名，每一初始因子只命名一次[17]。第一主成分中工作面斜长（W1）和煤层倾角（W2）的绝对值明显高于其他因子，因此将第一主成分命名为煤层主成分（Z1）；第二主成分主要因子为底板抗破坏能力（W3）和是否有切穿型断层或破碎带（W4），故而命名为变形主成分（Z2）；第三主成分中主要因子为采深（W5）和采厚（W6），并将第三主成分命名为采掘主成分（Z3）（见表5）。分析结果可知变形主成分与煤层主成分贡献率之和达到90.120%，是主要主成分，其他为次要主成分。