应用因子分析探索影响烧结返矿率的主要因素及控制 …

《应用因子分析探索影响烧结返矿率的主要因素及控制 …》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、冶金之家网站应用因子分析探索影响烧结返矿率的主要因素及控制对策蒋大军(攀枝花钢钒公司炼铁厂，四川攀枝花617000)摘要：影响烧结返矿率的因素众多，其中很多因素之间存在着相关性，常规分析忽略其中的任何因素都有可能造成主要信息缺失，而在实际生产过程中只能对主要因素进行重点控制，但采用常规方法是难以找到主要因素的。采用因子分析方法对多因素进行降维处理，以较少的因子数目反映原始变量的大部分信息，可达到简化结构与分析的目的，从而找到影响目标变量的主要因素。因子分析表明，影响攀钢钒钛矿烧结返矿率的主要因子为钒钛矿配比、沟下筛分效率、入炉矿粒度、垂商烧结速度、料层厚度与阻力等

2、并给出了相应的控制对策。关键词：返矿率；影响因素；主成分分析；因子分析；控制对策1前言返矿率是烧结生产的重要指标，反映了烧结的总体水平，烧结技术经济水平在很大程度上取决于返矿率。而降低返矿率是一项系统工程，影响因素多，因素之间相互影响、交叉、重叠，通过试验或机理分析找出的主要因素往往与实际生产不符，原因是不可控与未知因素多，任何一个环节出现问题都要影响返矿率。因子分析方法在各行业中已有广泛的应用[1—9]，通过对多因素进行数学上的降维处理，以少量的因子反映原始变量的大部分信息，从而找到控制因素的主次与对策，不失为控制返矿策略的有效方法。2影响返矿率的因素与特点影响

3、返矿率的因素众多，几乎包括了烧结生产的原燃料性能、配矿结构、工艺参数、操作制度、破碎、筛分、运输、设备性能、高炉对烧结矿粒度的要求等各个环节，而这些因素又相互交叉与制约。寻找主因素采用定性分析带有局限性，而用数理统计方法进行定量分析则能挖掘出数据隐含的规律。2．1影响返矿率的因子确定根据烧结生产特点与本厂实际，认为返矿率与以下28个因素有关，变量设定见表1。2．2返矿率与各因素之间的相关性分析由表1可见，返矿率与任何一个因素的相关性都不大，没有一个相关系数大于0．8，基本不存在线性相关。而各影响因子之间存在相关性(相关系数全表略)，例如烧结矿TiO2与国高粉之间的

4、相关系数达到﹣0．71，入炉矿平均粒径与5～20mm粒级含量相关系数达到0．88，沟下筛分效率与筛前粉末的相关系数达到0．62等等，因此不能用相关系数判定返矿率与各因素的相关性。3采用因子分析研究返矿率的影响因素3．1主成份分析冶金之家网站主成份分析是因子分析的基础，它是将一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，包含信息量最大；第二变量的方差次大，且与第一变量不相关，称为第二主成分；依次类推，1个变量就有1个主成分。这种方法避免了在综合评价等方法

5、中权重确定的主观性和随意性，评价结果符合实际情况。3．2因子分析的数学原理因子分析基于主成分作为初始因子，通过对主成分载荷阵进行方差最大旋转，旋转变换的目的是使因子载荷相对集中，便于对因子作合理解释。按冈子载荷阵各列元素的绝对值大小，可判断因子主要对哪些变量有潜在支配作用。假设有n个样品，每个样品观测P个变量，记为X=(X1，X2，…，XP)，则因子分析的一般模型为：简记为X=AF+ε，式中F=(F1，F2，…，Fm)T为公共因子，其系数为A=[aij](i=1，2，…，p；j=1，2，…，m)，称为载荷矩阵；aij为第i个变量在第j个公共因子上的载荷，称为因子载

6、荷；aij是变量Xi与公共因子Fj的相关系数，反映了变量Xi与公共因子Fj的相关程度。ε=(ε1，ε2，…，εm)T是特殊因子，是不能被前m个公共因子包含的部分。因子分析数学模型满足如下条件：①特殊因子占。服从N(0，σ2)(i=1，2，…，p)；②ε与F不相关，Fi与Fj(i≠j)不相关；③原始变量、公共因子均已标准化，即平均值为0，方差为1。由于m

7、个因素与121组样本进行因子分析，使用SPSS19．0软件完成这一过程。首先进行巴特利特球体检验，确定各变量间的相关系数矩阵是否为单位阵，以判定数据是否适宜作因子分析。检验结果(见表2)表明：统计值为3221．866，观察到的显著性水平为0．000，小于显著性水平0．01，拒绝Bartlett球度检验的零假设，代表总体的相关矩阵间有共同因素存在，适合进行因子分析。3．3．2相关矩阵特征根与方差分布通过对相关系数矩阵进行坐标转换，28个变量变换到28个规格化特征向量，即主成分载荷矩阵。根据方差累计贡献率≥85％的原则，提取了15个主成分，由表3可见，15个主成分反映

8、的信息量达