Vol.24 王粉花等：数据压缩技术在L业过程中的应用 ·569 m/s;2c为固定碳，th;T为风箱废气温度，℃；P为 (3)第1个特征Qco和第21个特征碱度Q间 风箱废气负压，Pa;Qo为氧化亚铁纯量，th;2r 的相关系数为0.98，表明反映烧结矿质量的特 为碱度 征中氧化钙纯量与碱度有着极强的相关性，事 2.1相关分析 实上，二者之间成正比关系.综合上述分析，可 由标准化特征求出21个特征的相关系数 以把反映烧结矿质量的21个特征大体上分为 矩阵R(见图1).观察相关系数矩阵R可以得出 6类.也就是说，可以由原来的21维特征空间压 以下结论： 缩为6维. (1)从矩阵R的第4行、第4列开始，到第13 2.2主元分析 行、第13列为止的这一分块矩阵中，各元素都 通过计算.可得出相关矩阵R的前6个特 比较大，最大值为0.95，而且基本上随行、列数 征值及相应的累计方差贡献率，见表1所示.可 的增大而递增.这表明，10个风箱废气温度特 以看出： 征间具有较大的相关性，而且相互靠近的风箱 m=5时，1=80.84%； 废气温度间的相关性较大，与实际情况吻合. m=6时，-85.18%. (2)从矩阵R的第14行、第14列开始，到第 这表明，将21维特征空间压缩为6维时，信息 19行、第19列为止的另一分块矩阵中的各元素 保存率达85.18%，完全可以用来识别烧结刊矿质 值也都比较大，最大值为0.98.这表明，风箱废 量，这就进一步定量论证了上述数据压缩的可 气负压间有较强的相关性，这也符合实际情况. 行性. 1.000.04-0.370.190.00-0.07-0.18-0.14-0.08-0.030.190.060.290.02-0.04-0.050.08-0.02-0.14-0.620.98 0.041.00-0.180.000.010.16-0.52-0.28-0.20-0.23-0.22-0.23-0.240230.170.12-0.250.100.09-0.150.02 -0.37-0.181.00-0.030.10-0170.100.090.110.190.020.100.030.120.250.15-0.560.130.490.29-0.41 0190.00-0.031.000.100.020.02-0.06-0.05-0.060.090.070.080.220.260.250160.250.20-0.08019 0.000.010.100.101.000.14-0.14-0.030.110.050.030.090.120.240.220.240.000.210.13-0.06-0.02 -0.070.16-0.170.020.141.000.060.070.200.200.200.280.180.030.060.08-0.070.040.07-016-0.07 -0.18-0.520.100.02-0.140.061.000.850.630.630.530.560.40-0.58-0.48-0.460.00-0.47-0.360.38-0.16 -0.14-0.280.09-0.06-0.030.070.851.000.830.780.740.720.61-0.68-0.60-0.59-0.18-0.61-0.510.34-0.12 -0.08-0.200.11-0.050.110.200.630.831.000.880.680.760.59-0.54-0.50-0.49-0.26-0.52-0.450.14-0.05 -0.03-0.230.19-0.060.050.200.630.780.881.000.710.890.65-0.51-0.48-0.48-0.32-0.52-0.420.090.00 0.19-0.220.020.090.030.200.530.740.680.711.000.870.95-0.42-0.35-0.35-0.10-0.37-0.30-0.040.21 0.06-0.230.100.070.090.280.560.720.760.890.871.000.86-0.41-0.36-035-0.17-0.39-0.330.110.08 0.29-0.240.030.080.120.180.400.610.590.650.950.861.00-0.31-0.24-0.25-0.09-0.26-0.22-0.090.31 0.020.230.120.220.240.03-0.58-0.68-0.54-0.51-0.42-0.41-0.311.000.970.970.260.970.82-0.11-0.04 -0.040.170.250.260.220.06-0.48-0.60-0.50-0.48-0.35-0.36-0.240.971.000.980.190.980.92-0.06-0.10 -0.050.120.150.250.240.08-0.46-0.59-0.49-0.48-0.35-0.35-0.250.970.981.000.321.000.86-0.05-0.11 0.08-0.25-0.560.160.00-0.070.00-0.18-0.26-0.32-0.10-0.17-0.090.260.190.321.00035-0.040.030.06 -0.020.100.130.250.210.04-0.47-0.61-0.52-0.52-0.37-0.39-0.260.970.981.000.351.000.86-0.05-0.08 -0.140.090.490.200.130.07-0.36-0.51-0.45-0.42-0.30-0.33-0.220.820.920.86-0.040.861.000.01-0.20 -0.62-0.150.29-0.08-0.06-0.160.380.340.140.09-0.040.11-0.09-0.11-0.06-0.050.03-0.050.011.00-0.65 0.980.02-0.410.19-0.02-0.07-0.16-0.12-0.050.000.210.08031-0.04-0.10-0.11-0.06-0.08-0.20-0.651.00 图1相关系数矩阵R Fig.1 Corretative coefficient matrix 表1特征值 Table 1 Eigenvalue 特征值 7.86 3.16 2.96 1.67 1.32 0.91 贡献率/% 37.43 52.48 6.80 74.57 80.84 85.18、勺I 一 2 4 王 粉花 等 : 数 据压缩 技术 在 上业过 程 中的应用 . 5 69 - 耐 s ; Q c为固定碳 ,比 ; T 为风箱废气温度 ,℃ ;P 为 风箱废气负压 , aP ; rQ e。 为氧化亚铁纯量 ,比 ; QR 为碱度 . .2 1 相关分析 由标准化 特征求 出 21 个特 征 的相 关 系数 矩 阵 R (见 图 1) . 观察相关 系数矩 阵 R 可 以得 出 以 下结论 : ( l) 从矩 阵R 的第 4 行 、 第 4 列 开始 , 到 第 13 行 、 第 13 列为止 的这 一分块矩阵 中 , 各元素都 比较大 , 最 大值为 0 . 95 , 而且 基本上随行 、 列数 的 增大而递增 . 这表 明 , or 个 风箱废气温度特 征间具有较大 的相关性 , 而且相互靠 近 的风箱 废气温度间 的相关性 较大 , 与实际情况 吻合 . (2 ) 从矩 阵 R 的第 14 行 、 第 14 列 开始 , 到第 19 行 、 第 19 列为止的另一 分块矩 阵中的各元素 值也都 比较大 , 最大值 为 .0 98 . 这表 明 , 风箱废 气负压间有较强 的相关性 ,这也符合 实际情 况 . (3 )第 1个 特征cQ a 。 和第 21 个特征碱度 Q R间 的 相关 系数 为 .0 98 , 表 明 反映烧结矿质量 的特 征 中氧化钙纯量 与碱 度有着极强 的相关性 , 事 实 上 , 二者之 间成正 比关 系 . 综 合上述分析 , 可 以 把反 映烧结矿 质量 的 21 个 特征 大体上分 为 6 类 . 也 就是说 , 可 以 由原来的 21 维特征 空 间压 缩为 6 维 . .2 2 主元分析 通过计算 , 可得 出相关矩 阵 R 的前 6 个特 征值及相应 的累计 方差贡 献率 ,见 表 1 所示 . 可 以 看 出 : m = 5 时 , 粉二 8 0 . 84 % : m = 6 时 , 叮二 8 5 . 18% . 这表 明 , 将 21 维 特征空 间压缩 为 6 维 时 , 信 息 保存率达 85 . 18 % , 完全可 以 用 来识别烧结矿 质 量 . 这 就进一步定量论证 了 上述数据压缩 的可 行性 . 1 . 00 0刀 4 一 0 3 7 0 . 19 0力 0 一 0 . 0 7 一 0 . 18 一 0 . 14 一 0 刀 8 一 0 0 3 0 . 19 0 . 0 6 0 . 2 9 0 0 2 一 0 刀4 一 0 0 5 0 刀8 一 0 . 0 2 一 0 . 14 一 0 石2 0乡 8 0刀4 1 0 0 一 0 . 1 8 0 . 0 0 0 . 0 1 0 . 16 一 0 . 5 2 一 0 2 8 一 0 2 0 一 0 2 3 一 0 . 2 2 一 0 2 3 一 0 2 4 0 2 3 0 . 17 0 . 12 一 0 . 2 5 0 . 10 0刃9 一 0 . 15 0刀 2 一 0 3 7 一 0 . 18 1 . 0 0 一 0 刀3 0 . 10 一 0 . 17 0 . 10 0刃9 0 . 1 1 0 . 1 9 0 . 0 2 0 . 10 0 . 0 3 0 . 12 0 2 5 0 . 1 5 一 0 . 5 6 0 . 1 3 0 4 9 0 . 2 9 一 0 . 4 1 0 . 19 0 刀0 一 0 . 0 3 1 , 0 0 0 . 10 0 , 0 2 0 . 0 2 一 0 . 0 6 一 0 . 0 5 一 0 06 0 刀9 0 , 0 7 0 刀8 0 2 2 0 2 6 0 . 2 5 0 . 16 0 . 2 5 0 2 0 一 0 刀8 习目习L 0 .0 0 0 . 0 1 0 10 0 , 1 0 1 . 0 0 0 . 14 一 0 . 14 一 0 . 0 3 0 . 11 0 刀5 0 , 0 3 0 刀9 0 . 12 0 2 4 0 . 2 2 0 之4 0 刀0 0 2 1 0 . 13 一 0 . 06 一 0 . 0 2 一 0 刀7 0 . 16 一 0 . 17 0 一 02 0 . 14 1 . 0 0 0 力6 0 刀7 0 2 0 0 2 0 OZ D 0 2 8 0 . 18 0 刀3 0 刀6 0 刀8 一 0 刀7 0 , 0 4 0 . 0 7 一 0 . 16 一 0 刀7 一 0 . 18 一 0 5 2 0 . 10 0 刀2 一 0 . 14 0 刀6 1 . 0 0 0 , 8 5 0 石3 0 石3 0 万3 0 万6 0 . 4 0 一 0 乃8 一 0 4 8 一 0 4 6 0 . 0 0 一 0 4 7 一 0 . 3 6 0 3 8 一 0 . 16 一 0 , 14 一 0 . 2 8 0 刀9 一 0 . 0 6 一0 刃3 0 . 0 7 0名 5 1 . 0 0 0 ` 8 3 0 7 8 0 刀4 0 . 7 2 0石 l 一 0 石8 一 0 . 6 0 一 0 5 9 一 0 . 18 一 0 . 6 1 一 0 万 1 0 3 4 一 0 . 12 一0 刀8 一 0 , 2 0 0 . 1 1 一 0 . 0 5 0 . 1 1 0 , 2 0 0 . 6 3 0 名3 1 . 0 0 0名 8 0 石8 0 7 6 0 . 59 一 0 乃4 一 0 , 5 0 一 0 . 4 9 一 0 2 6 一 0 乃2 一 0 . 4 5 0 . 14 一0 0 5 一 0 . 0 3 一 0 2 3 0 . 19 一 0 0 6 0 刃5 0 2 0 0 . 6 3 0 . 7 8 0 名8 1 . 0 () 0 7 1 0 名9 0 石5 一 0 万 l 一 0 4 8 一 0 4 8 一 0 3 2 一 0 . 5 2 一 0 4 2 0 . 09 0 ` 0 0 0 . 19 一 0 . 2 2 0 . 0 2 0 力9 0 刀3 0 2 0 0 j 3 0 7 4 0 石8 0 7 1 1 . 0 0 0 , 8 7 0 月5 一 0 4 2 一 0 3 5 一 0 .3 5 一 0 . 10 一 0 . 3 7 一 0 3 0 一 0 . 04 0 2 1 0 乃6 一 0 . 2 3 0 . 10 0 刀7 0 刀9 0 . 2 8 0 5 6 0 7 2 0 7 6 0 . 89 0 名7 1 0 0 0 名6 一 0 . 4 1 一 0 3 6 一 0 3 5 一 0 . 17 一 0 3 9 一 0 . 3 3 0 . 11 0 0 8 0 2 9 一 0 . 2 4 0 刀3 0 . 0 8 0 . 12 0 . 18 0 4 0 0 石 ] 0 乃9 0 , 6 5 0 . 9 5 0 名6 1 , 0 0 一 0 3 1 一 0 2 4 一 0 . 2 5 一 0 力9 一 0 . 2 6 一 0 . 2 2 一 0 , 0 9 0 3 1 0 . 0 2 0 2 3 0 . 12 0 2 2 0 2 4 0 刀3 一 0 万8 一 0 石8 一 0 5 4 一 0 石l 一 0 4 2 一 0 4 1 一 0 3 1 1 . 0 0 0 乡7 0夕7 0 2 6 0 乡7 0 . 8 2 一 0 . 11 一 0 、 04 一 0 . 0 4 0 . 17 0 2 5 0 . 2 6 0 2 2 0 刀6 一 0 4 8 一0 石0 一 0 5 0 一 0 . 4 8 一 0 3 5 一 0 3 6 一 0 2 4 0 . 9 7 1 . 0 0 0 乡8 0 . 19 0 乡8 0 , 9 2 一 0 刃6 一 0 . 10 一 0刀5 0 . 12 0 . 15 0 2 5 0 .2 4 0 . 0 8 一 0 4 6 一 0万9 一 0 滩9 一 0 . 4 8 一 0 . 3 5 一 0 3 5 一 0 2 5 0 月7 0 . 9 8 1 0 0 0 3 2 1 0 0 0 8 6 一 0 0 5 一 0 , 11 0 刀8 一 0 2 5 一 0 , 56 0 . 16 0 . 00 一 0刃7 0 . 0 0 一0 . 1 8 一 0 . 2 6 一 0 , 3 2 一 0 . 10 一 0 . 17 一 0 刃9 0 2 6 0 . 19 0 3 2 1 . 0 0 0 3 5 一0 乃4 0 . 0 3 0 刀6 一 0 . 02 0 . 10 0 . 13 0 2 5 0 2 1 0 . 0 4 一 0 4 7 一 0 万l 一 0 . 5 2 一 0 乃2 一 0 3 7 一 0 3 9 一 0 2 6 0 乡7 0 月8 1 00 0 . 3 5 1 . 0 0 0名6 一 0 刀5 一O 乃8 一 0 . 14 0 刀9 0 4 9 0 2 0 0 . 1 3 0 . 0 7 一 0 3 6 一 0 , 5 1 一 0 . 4 5 一 0 4 2 一 0 3 0 一 0 3 3 一 0 2 2 0名2 0 兮2 0 名6 一 0 刀4 0 . 8 6 1 , 0 0 0 刃 l 一 0 2 0 一 0 石2 一 0 . 15 0 2 9 一 0 刀8 一 0 刀6 一 0 . 16 0 3 8 0 3 4 0 . 14 0 . 0 9 一 0 刃4 0 . 1 1 一 0 刀9 一 0 . 1 1 一 0 . 0 6 一 0 刀5 0 . 0 3 一 0 . 0 5 0 . 0 1 1 . 0 0 一 0 石5 0 . 9 8 0 乃2 一 0 4 1 0 . 19 一 0 刀2 一 0 . 0 7 一 0 . 16 一 0 . 1 2 一 0 . 0 5 0 . 0 0 0 . 2 1 0 刀8 0 3 1 一 0 刀4 一 O , 10 一 0 . 11 一 0 刃6 一 0 . 0 8 一 0 . 2 0 一 0 石5 1 , 0 0 图 1 相 关 系 数矩 阵 R F ig . 1 C o r r e t a t iv e e o e m e i e n t m a t r i x 特 征值 E i g e n v a l u e 特征值 贡献率o/ 7 名6 表 1 r 几b l e l 3 . 16 52 . 4 8 2 . 9 6 1 . 6 7 3 2 0 刀 l 3 7 . 4 3 6 . 8 0 74 5 7 80 8 4 8 5 . 18