《表1 苏瓦纳分量表：基于熵权-灰色关联度理论的矿井突水水源判别模型研究》
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
《基于熵权-灰色关联度理论的矿井突水水源判别模型研究》
先取6号待判样本进行判别，得出水样各判别指标对应的权重，如表1所示:
| 图表编号 | XD00187670500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.25 |
| 作者 | 蒋孝峰、杨中元 |
| 绘制单位 | 河南理工大学资源环境学院、河南理工大学资源环境学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表3 子载荷系数表格：基于PCA-KD-KNN方法的矿井突水水源判别分析研究》2020.12.25
- 《表5 判别结果与误差：基于PCA-CRHJ模型的矿井突水水源判别》2020.11.01
- 《表4 模型参数：基于PCA-CRHJ模型的矿井突水水源判别》2020.11.01
- 《表3 内机理计算结果：基于熵权-灰色关联度理论的矿井突水水源判别模型研究》2020.09.25
- 《表2 回归分析：基于熵权-灰色关联度理论的矿井突水水源判别模型研究》2020.09.25
- 《表1 标准化的数据：基于熵权灰色关联模型的广州物流业与制造业联动发展实证研究》2020.08.01
- 《表5 主成分因子得分表：基于主成分分析的潘谢矿区突水水源Fisher判别模型》2020.09.10
- 《表2 不同模型判别结果：矿井突水水源判别的FOA-LSSVM模型》2020.06.01
- 《表3 各成分解释方差率：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表5 BP网络识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表4 ELM识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表4 交叉验证实验结果：基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型》2020.02.01
- 《表2 相关性系数：基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型》2020.02.01
- 《表3 主成分信息：基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型》2020.02.01
- 《表1 样本数据：基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型》2020.02.01
- 《表2 各影响因素的熵权：基于灰色关联熵-突变级数法矿井内因火灾风险评价研究》2019.07.01
- 《表2 BP神经网络参数：基于GA-BP神经网络的矿井突水判别数学模型研究》2019.05.10
- 《表1 GA参数：基于GA-BP神经网络的矿井突水判别数学模型研究》2019.05.10
- 《表1 参数设置：基于IWOA-HKELM的矿井突水水源识别》2019.09.01
- 《表3 常规离子相关系数：矿井突水水源的PCA-GRA判别模型研究》2019.12.10