《表3 主因子得分系数：基于主因子分析的改进BP神经网络瓦斯涌出量预测》
提示：宽带有限、当前游客访问压缩模式
主因子得分系数矩阵B可以直观反映主因子与瓦斯涌出量各影响因素之间的线性关系，主因子得分系数如表3所示。
| 图表编号 | XD0017328100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.12.10 |
| 作者 | 周西华、孙家正 |
| 绘制单位 | 辽宁工程技术大学安全科学与工程学院、矿山热动力灾害与防治教育部重点实验室、辽宁工程技术大学安全科学与工程学院、矿山热动力灾害与防治教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 因子得分系数矩阵：基于主成分分析的中西部地区社会保障水平测度与评价》2021.01.01
- 《表3 总方差解释：基于主成分分析的BP神经网络在稀土价格预测的应用：以氧化镝为例》2020.06.15
- 《表2 数据预测对比图：基于灰色理论与BP神经网络瓦斯涌出量预测研究》2020.04.01
- 《表2 数据预测对比图：基于灰色理论与BP神经网络瓦斯涌出量预测研究》2020.04.01
- 《表1 观测原始数据：基于灰色理论与BP神经网络瓦斯涌出量预测研究》2020.04.01
- 《表5 自变量分析表：基于主成分-逐步回归分析法的瓦斯涌出量预测研究》2020.01.20
- 《表3 主成分贡献率表：基于GWO改进的PCA-BP神经网络煤层底板破坏深度预测模型》2020.02.25
- 《表4 成分矩阵表：改进的BP神经网络煤矿瓦斯涌出量预测模型》2019.10.25
- 《表1 影响因素原始数据：改进的BP神经网络煤矿瓦斯涌出量预测模型》2019.10.25
- 《表6 公共因子矩阵表：改进的BP神经网络煤矿瓦斯涌出量预测模型》2019.10.25
- 《表3 相关矩阵表：改进的BP神经网络煤矿瓦斯涌出量预测模型》2019.10.25
- 《表1 因子水平设计：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 相关系数矩阵：主成分分析与BP神经网络对束裤压力的预测》2019.07.16
- 《表3 植物叶面单位面积滞尘量影响因子主成分分析的得分系数矩阵》2019.07.01
- 《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2:因子得分系数矩阵：基于主成分分析法的西藏文化产业社会效益评价研究》2019.01.15
- 《表4 成分矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表5 成分得分系数矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表3 各因素相关矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表6 公共因子矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01