组合神经网络 组合神经网络
Steven Whites，力拓集团 Kennecott Utah Copper 公司六西格玛黑带
JMP 分析显示了不同矿石如何影响我们的金属浓缩过程。此分析可能有助于解决其他业务问题，例如经济需求曲线，其中理论和观察到的结果似乎相互矛盾。金属浓缩过程具有与经济需求曲线类似的潜在关系，其中价格和数量之间存在负相关关系。但是，在金属浓缩过程中，由于矿石特性的变化，每日结果的散点图通常会显示出意想不到的正相关关系。类似地，由于客户偏好的变化而导致的需求曲线的变化可能会显示出同样意想不到的正价格与数量关系。本演示将介绍如何在这些看似矛盾的实际结果中找到理论曲线。分析从包含数百个潜在冶金和操作术语的复杂数据集开始。JMP 中的分区平台用于将其缩减为更易于管理的候选列表。多变量平台和主成分分析进一步缩减了此列表。然后使用简单的 JSL 脚本测试剩余术语的组合以找到最佳神经模型。气泡图用于显示分析结果，其中 X = r-sq（测试）的中值，Y = r-sq（测试）的标准差，气泡颜色 = 该特定模型的项数。使用不同的随机训练/验证/测试子集进行多次运行（受计算机时间限制），利用重复保留法进行错误率估计。然后通过直观显示项数、模型有效性和模型稳定性来简化最佳模型选择。
