《表2 PCA与SPCA分析结果Tab.2 Analysis results of PCA and SPCA》

  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

《基于改进型主元分析和SVR的煤矿瓦斯涌出量预测》

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

在本例中，选取前15个样本进行学习训练，后3个样本用来预测并与真实值对比，也就是1~15号为训练集，16~18号为测试集.根据上文分析，用Matlab软件对原始数据进行标准化和SP-CA处理，在维持高信息的前提下简化模型的复杂度.同时，为了对比，也对数据进行了传统的PCA处理，分析结果如表2所示.可以看到，相比PCA而言，用SPCA方法得到的第一主元素的贡献率为87.21%，而用传统PCA方法得到的第一主元素的贡献率仅为56.25%，SPCA仅前三维的累积贡献率就超过了95%，而PCA需要前六维主成分才可达到这一数据.由此可见，本文提出的改进型SPCA算法的降维效果良好.