組合神經網絡 組合神經網絡
Steven Whites，力拓集團 Kennecott Utah Copper 公司六西格瑪黑帶
JMP 分析顯示了不同礦石如何影響我們的金屬濃縮過程。這種分析可能有助於解釋其他商業問題，例如理論和觀察結果似乎相互矛盾的經濟需求曲線。金屬濃縮過程具有與經濟需求曲線類似的潛在關係，其中價格和數量之間存在負相關關係。然而，在金屬濃縮過程中，由於礦石特性的變化，每日結果的散佈圖通常會顯示出意外的正關係。類似地，由於客戶偏好的變化而導致的需求曲線的變化可能會顯示出類似的意外的正價格與數量關係。本演講將描述如何在這些看似矛盾的實際結果中找到理論曲線。分析從包含數百個潛在冶金和操作術語的複雜資料集開始。 JMP 中的分區平台用於將其縮減為更易於管理的候選清單。多元平台和主成分分析進一步縮短了這個清單。然後使用簡單的 JSL 腳本來測試剩餘術語的組合，以找到最佳神經模型。氣泡圖用於顯示分析結果，其中 X = r-sq（檢定）的中位數，Y = r-sq（檢定）的標準差，氣泡顏色 = 此特定模型的項數。使用不同的隨機訓練/驗證/測試子集進行多次運行（受電腦時間限制），利用重複保留方法進行錯誤率估計。然後透過直觀顯示項數、模型有效性和模型穩定性來簡化最佳模型選擇。
