本發(fā)明涉及一種消除鐵精粉化學(xué)指標相關(guān)性的方法，尤其涉及一種基于主成分分析的消除鐵精粉化學(xué)指標相關(guān)性的方法，屬于冶金行業(yè)的造球技術(shù)領(lǐng)域。

背景技術(shù)：

球團是優(yōu)質(zhì)高爐爐料，但由于礦產(chǎn)日漸枯竭，鐵精粉質(zhì)量下降，造成生產(chǎn)時成球率低。因此，可以分析原料特性對鐵精礦成球性能的影響入手，研究鐵精粉混合情況對成球性能的影響，探索幾種原料不同配比的成球性能模型。以鋼廠最常用的廟溝、研山、司家營三種鐵精粉為例，建立研山和司家營兩種鐵精粉不同配比以及不同孔容和孔徑值的成球性能模型，為了便于研究，把兩種鐵精粉混合配比轉(zhuǎn)化為五種化學(xué)成分TiO₂、Al₂O₃、SiO₂、FeO、TFe混合配比對成球性的影響，而各項影響因素對于成球性能的影響機制是一個非線性的復(fù)雜系統(tǒng)，無法用函數(shù)表達式表示出來，因神經(jīng)網(wǎng)絡(luò)的智能學(xué)習(xí)性，可以訓(xùn)練仿真網(wǎng)絡(luò)，因此，擬定使用BP神經(jīng)網(wǎng)絡(luò)算法對已有實驗數(shù)據(jù)進行訓(xùn)練，建立各影響因素對成球性能的影響模型，但是使用BP神經(jīng)網(wǎng)絡(luò)之前需要保證各項影響因素之間的獨立性，因此保證各項影響因素的獨立性是非常重要的。但是同為化學(xué)元素的TiO₂、Al₂O₃、SiO₂、FeO、TFe之間存在一定的相關(guān)性，這會嚴重影響下一步利用BP神經(jīng)網(wǎng)絡(luò)的預(yù)測工作。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種簡單可行的基于主成分分析的消除鐵精粉化學(xué)指標相關(guān)性的方法。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

一種基于主成分分析的消除鐵精粉化學(xué)指標相關(guān)性的方法，包括以下步驟：

步驟1：檢驗相關(guān)性：檢驗TiO₂、Al₂O₃、SiO₂、FeO、TFe五種鐵精粉化學(xué)成分之間的相關(guān)性，建立相關(guān)系數(shù)矩陣；

步驟2：抽取主因子：對相關(guān)系數(shù)矩陣進行主成分分析，并抽取主因子，抽取主因子遵循：根據(jù)相關(guān)系數(shù)矩陣的特征值大小來確定主因子，主因子的特征值大于1；

步驟3：確定主成份的特征向量[a₁,a₂,a₃,a₄,a₅]：對相關(guān)系數(shù)矩陣進行主成分分析，得到成分矩陣，特征向量由成分矩陣里的各向量除以對應(yīng)方差的算術(shù)平方根得到；

步驟4：得到各主成分得分值Y1：

y₁＝a₁*x₁+a₂*x₂+a₃*x₃+a₄*x₄+a₅*x₅ (1)

式中，x₁，x₂，x₃，x₄，x₅分別表示TiO₂、Al₂O₃、SiO₂、FeO、TFe五種鐵精粉化學(xué)成分的數(shù)值。

采用上述技術(shù)方案所取得的技術(shù)效果在于：

1、本發(fā)明解決了由于鐵精粉化學(xué)指標相關(guān)而無法下一步實施預(yù)測指標與成球性關(guān)系的問題；

2、本發(fā)明采用主成分分析法對指標進行處理，客觀公正地消除指標的相關(guān)性，保證各影響因素之間的獨立性，為建立各項影響因素對造球性能的影響模型奠定了基礎(chǔ)；為進一步提升和發(fā)展球團工藝提供了參考依據(jù)。

附圖說明

下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。

圖1是本發(fā)明的流程圖。

具體實施方式

本發(fā)明想要解決的是在建立鐵精粉的不同配比、孔徑和孔容對最終成球性能的影響各影響變量間不獨立的問題，為進一步利用BP神經(jīng)網(wǎng)絡(luò)準確建立影響變量對成球性的影響機制模型奠定基礎(chǔ)。

本實施例分別設(shè)定研山和司家營兩種鐵精粉的配比量、不同孔徑和孔容值，進行成球工藝，采集不同配比量以及不同孔徑和孔容值的成球性能，實驗數(shù)據(jù)見表1，化學(xué)成分、孔徑及孔容對成球性的影響如表1所示。在表1中研山簡稱研，司家營簡稱司。

在進行因子分析之前，先要對變量進行相關(guān)性檢驗，得到相關(guān)矩陣，每兩個變量之間的相關(guān)系數(shù)越接近1，表示變量之間相關(guān)性越強，越需要做相關(guān)性分析。根據(jù)表1可得，TiO₂、Al₂O₃、SiO₂、FeO、TFe五種鐵精粉的化學(xué)成分，其間必然會存在相關(guān)性，而化學(xué)成分與孔徑和孔容三者之間不存在相關(guān)性，因此只需對五種化學(xué)成分進行主成分分析，消除其相關(guān)性。表2為鐵精粉的五種化學(xué)成分TiO₂、Al₂O₃、SiO₂、FeO、TFe兩兩之間的相關(guān)性。從表2可以看出，每兩個化學(xué)成分之間的相關(guān)系數(shù)都達到1或是-1，說明五種化學(xué)成分之間具有非常強的相關(guān)性，需要進行因子分析，消除變量間的相關(guān)性。

主因子個數(shù)抽取原則：1)根據(jù)特征值的大小來確定，一般取大于1的特征值對應(yīng)的幾個主因子。2)根據(jù)因子的累積方差貢獻率來確定，一般取累積貢獻率達85％以上的特征值所對應(yīng)得第1、第2、……第m個主因子，m≤原始變量數(shù)，對表1中五種化學(xué)成分進行主成分分析，并根據(jù)上述兩項原則抽取主因子，結(jié)果見表3。依據(jù)表3可以看出，抽取1個主成分的累積貢獻率為99.989％，幾乎代表了五種化學(xué)成分的所有信息。

對相關(guān)系數(shù)矩陣進行主成分分析，得到成分矩陣，特征向量[a1,a2,a3,a4,a5]由成分矩陣里的各向量除以對應(yīng)方差的算術(shù)平方根得到；

得到各主成分得分值Y₁：

y₁＝a₁*x₁+a₂*x₂+a₃*x₃+a₄*x₄+a₅*x₅ (1)

式中，x₁，x₂，x₃，x₄，x₅分別表示TiO₂、Al₂O₃、SiO₂、FeO、TFe五種鐵精粉化學(xué)成分的數(shù)值。

成分矩陣如表4所示，使用表4成分矩陣里的各載荷向量除以對應(yīng)方差的算術(shù)平方根，得到該主成分的特征向量，見表5。

設(shè)TiO₂Al₂O₃SiO₂FeO TFe依次為x₁，x₂，x₃，x₄，x₅，根據(jù)表5中的主成分特征向量矩陣得到主成分的表達式：

y₁＝0.4473*x₁-0.4473*x₂-0.4473*x₃+0.4473*x₄+0.4473*x₅ (1)

根據(jù)主成分表達式，可以得到該主成分得分值，見表6。

綜上研究，從5種具有強烈相關(guān)性的影響因素中提取了一個主成分，并與孔徑和孔容構(gòu)成了對成球性能的影響因素集，見表7，消除了指標之間的相關(guān)性。

本發(fā)明為進一步利用BP神經(jīng)網(wǎng)絡(luò)建立各影響因素的成球性能模型奠定了一定的基礎(chǔ)。

表1不同司、研配比下成球性能實驗數(shù)據(jù)表

表2化學(xué)成分相關(guān)系數(shù)表

表3

表4成分矩陣

表5特征向量

表6主成分得分值表

表7主成分處理后的實驗數(shù)據(jù)表