組合神經網絡 組合神經網絡
史蒂文懷特，六西格瑪黑帶，肯尼科特猶他銅，力拓
JMP分析顯示了不同礦石對我們的金屬濃縮過程的影響。這種分析可能會揭示其他業務問題，例如經濟需求曲線，其中理論和觀察結果似乎相互矛盾。金屬集中過程具有類似於經濟需求曲線的潛在關係，其中價格和數量之間存在負相關關係。然而，在金屬濃縮過程的情況下，由於礦石特徵的變化，每日結果的散點圖通常顯示出意想不到的積極關係。通過類比，由於客戶偏好變化導致的需求曲線的變化可能會顯示出類似的意外，積極的價格與數量關係。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。分析從數百個潛在冶金和操作術語的複雜數據集開始。JMP中的分區平台用於將其減少為更易於管理的候選列表。多變量平台和主成分分析進一步減少了這個列表。然後使用簡單的JSL腳本來測試剩餘項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（測試）的中值，Y = r-sq（測試）的標準偏差，氣泡顏色=該特定模型的術語數。利用不同的隨機訓練/驗證/測試子集進行多次運行（受計算機時間限制），利用重複的保持方法進行誤差率估計。然後通過視覺顯示術語數量，模型有效性和模型穩定性來簡化最佳模型選擇。
數據探索
