《表3 数据集A、数据集B各成分特征值、贡献率、累计贡献率》

  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PCA-CRHJ模型的矿井突水水源判别》

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

利用Pearson相关系数ξ评估标准数据矩阵各个指标变量之间的线性相关程度。取相关程度阈值为0.8，ξ>0.8表示2个变量之间线性相关程度较高。数据集A各指标相关系数见表1，数据集B各指标相关系数见表2。表1中，相关系数的绝对值大于0.8的有X1和X8，X2和X8，X4和X6，X4和X11，X6和X11，X7和X11，11对指标中有6对指标相关性过大，信息重叠使得信息丰富性降低。表2中，相关系数的绝对值大于0.8的有Y3和Y4，Y1和Y5，Y1和Y7，Y5和Y7，7对指标中有4对指标相关性过大，信息重叠使得信息丰富性降低。因此，对数据进行PCA分析，突出各个指标的特征，避免对模型精度的影响。进行PCA分析时，计算得到各个主成分的特征值、贡献率、累计贡献率，见表3。一般情况下，取累计贡献率大于85%的成分作为新的主成分。由表3可知，数据集A经过PCA处理得到4个新主成分PA′1—PA′4（式（6））；数据集B经过PCA处理得到4个新主成分PB′1—PB′4（式（7））。