《表2 主成分分析的特征值、特征值差值、贡献率和累计贡献率》
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
《基于长短时记忆网络(LSTM)的蟹塘溶解氧估算优化方法》
成分分析是设法将原来具有一定相关性的指标,重新组合成一组较少个数的互不相关的综合指标[24]。综合指标最大程度地反映了原变量代表的数据信息,同时保证新指标之间相互无关,是一种数据降维的方法。本研究通过对温度、pH、氨氮和浊度进行主成分分析,得到了4个成分,这些成分都涵盖了温度、pH、氨氮和浊度的信息,通过对这4个主成分的特征值及贡献率分析,筛选出影响溶解氧的关键成分。各个成分的特征值、特征值差值、贡献率以及累计贡献率如表2所示。根据各个成分的贡献率,前3个贡献率比较高,累计贡献率达到了93.351%,因此,选择了前3个主成分用于对深度网络训练。
图表编号 | XD0083878900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.31 |
作者 | 朱南阳、吴昊、尹达恒、王志强、蒋永年、郭亚 |
绘制单位 | “轻工过程先进控制”教育部重点实验室江南大学物联网工程学院、江苏省互联网农业发展中心、“轻工过程先进控制”教育部重点实验室江南大学物联网工程学院、“轻工过程先进控制”教育部重点实验室江南大学物联网工程学院、江苏中农物联网科技有限公司、“轻工过程先进控制”教育部重点实验室江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |