《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》
提示：宽带有限、当前游客访问压缩模式
运用SPSS软件计算，得到成分得分系数矩阵如表5所示，公共因子矩阵如表6所示。
| 图表编号 | XD0030731900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 马晟翔、李希建 |
| 绘制单位 | 贵州大学矿业学院、复杂地质矿山开采安全技术工程中心、贵州大学瓦斯灾害防治与煤层气开发研究所、贵州大学矿业学院、复杂地质矿山开采安全技术工程中心、贵州大学瓦斯灾害防治与煤层气开发研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 煤与瓦斯突出预测指标判断矩阵》2020.11.01
- 《表1 实时预警指标数据：基于数据挖掘的煤与瓦斯突出实时预警研究》2020.11.15
- 《表1 SVM样本参数：基于非线性支持向量机的隧道煤与瓦斯突出危险性预测》2020.04.01
- 《表3 预测结果：基于非线性支持向量机的隧道煤与瓦斯突出危险性预测》2020.04.01
- 《表7 证据合成结果：基于多源信息融合的煤与瓦斯突出动态预警模型》2020.06.01
- 《表3 测试数据：基于多源信息融合的煤与瓦斯突出动态预警模型》2020.06.01
- 《表2 识别样本：煤与瓦斯突出预测的PSO-BP算法模型》2020.08.28
- 《表1 训练样本：煤与瓦斯突出预测的PSO-BP算法模型》2020.08.28
- 《表5 组中心值：主成分-费歇尔判别模型在煤与瓦斯突出等级预测中的应用》2020.03.01
- 《表3 BP,FOA-BP和LLE-FOA-BP模型的煤与瓦斯突出强度预测结果》2019.10.01
- 《表2 重构有效因子：基于LLE-FOA-BP模型的煤与瓦斯突出强度预测》2019.10.01
- 《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2 地应力判断矩阵：层次分析法-突变理论在煤矿煤与瓦斯突出危险性预测中的应用研究》2019.05.01
- 《表2 不同气体压力和应力条件下的煤与瓦斯突出试验方案》2019.07.01
- 《表7 煤与瓦斯突出预测结果》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
- 《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》2018.12.10
- 《表4 平煤八矿煤与瓦斯突出预测训练样本回判结果》2018.11.01