基于PCA和GM(1,1)的矿山生态环境预测模型

摘要：

矿山开采过程中产生的生态环境污染问题日益突出,针对矿山生态环境的预测评价显得尤为重要.综合运用主成分分析法、灰色预测模型和初等关联函数等方法构建矿山生态环境预测模型,可以为矿业企业在未来环境保护及环保投资提供指导与借鉴.首先综合考虑环保资金投入和采矿、选矿对环境及员工的影响构建生态环境评价指标体系.主成分提取后,选取方差贡献率较高的主成分计算分析,可以得到2016年实际得分分别为-4.1776、0.4093、-0.2553以及2016年预测得分分别为-4.2926、-0.2175、0.3312.2016年生态环境评价值为-0.8861,预测值为-0.9708,2017年和2018年的预测评价值为-1.5493、-2.0511.研究结果表明:预测数据与实际数据基本一致,验证了预测模型的有效性,该矿山区域生态环境在持续改善.

关键词：矿山、主成分分析、灰色预测模型、关联函数、生态环境预测、定量分析、评价指标体系

所属期刊栏目：26

分类号：X826(环境质量分析与评价)

资助基金：中南大学研究生自主探索创新项目"基于PCA和GM1,1的矿山生态环境预测模型"2017zzts242;国家自然科学基金"基于属性驱动的矿体动态建模及更新方法研究"51504286;"地下金属矿采掘计划可视化优化方法与技术研究"51374242;中国博士后科学基金资助项目"地矿工程三维实体模型动态构建及更新方法研究"2015M572270;湖南省科技计划项目"复杂矿井通风系统三维可视化仿真模拟及优化技术研究"2015RS4004

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：372-378