基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为准确预测煤与瓦斯突出,将主成分分析(PCA)法与聚类分析法相结合,建立了PCA-聚类分析模型对煤与瓦斯突出预测.利用主成分分析方法提取贡献率为原始变量85.28%的4个主成分代替原来的8个变量,并且计算了4个主成分的综合得分.将提取出的4个主成分作为系统聚类分析的输入变量,输入SPSS中得到谱系图.结果表明该模型能够预测煤与瓦斯突出,为煤与瓦斯突出预测提供了新方法.
推荐文章
基于RBF网络的煤与瓦斯突出预测研究
煤与瓦斯突出
RBF神经网络
减聚类算法
基于BP和RBF神经网络的煤与瓦斯突出预测研究
BP神经网络
径向基神经网络
预测
煤与瓦斯突出
煤与瓦斯突出中单个煤壳解体突出的突变理论分析
煤与瓦斯突出
渗流
煤壳
塑性变形局部化
折迭突变模型
采用RS与CSA-SVM集成的煤与瓦斯突出预测方法
煤与瓦斯突出
预测
支持向量机
粗糙集
克隆选择算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 PCA-聚类分析在煤与瓦斯突出预测中的应用研究
来源期刊 煤炭技术 学科 工学
关键词 煤与瓦斯突出 预测 主成分分析
年,卷(期) 2017,(6) 所属期刊栏目 安全技术与工程
研究方向 页码范围 166-168
页数 3页 分类号 TD713
字数 2770字 语种 中文
DOI 10.13301/j.cnki.ct.2017.06.062
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (140)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (28)
二级引证文献  (6)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(9)
  • 参考文献(0)
  • 二级参考文献(9)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(6)
  • 参考文献(5)
  • 二级参考文献(1)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(5)
  • 引证文献(3)
  • 二级引证文献(2)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
煤与瓦斯突出
预测
主成分分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
煤炭技术
月刊
1008-8725
23-1393/TD
大16开
哈尔滨市香坊区古香街30号
14-252
1982
chi
出版文献量(篇)
23677
总下载数(次)
45
论文1v1指导