SPSS软件在选矿建模中的应用.doc

SPSS软件在选矿建模中的应用摘要: SPSS是目前全球最为流行的统计软件之一, 因其操作简单方便、运算准确、统计功能强大等特点被广泛地应用在各个领域。选矿建模过程中因为许多选矿过程相当复杂，影响因素很多，很难从理论上建立符合实际情况的数学模型。本文主要介绍描述性分析、相关分析和回归分析用于选矿建模，可进一步弥补在建立选矿模型中的不足之处，提高选矿建模的质量。关键词: SPSS 软件；描述性分析；相关分析；回归分析；结果分析.一问题提出选矿建模过程中因为许多选矿过程相当复杂，影响因素很多，很难从理论上建立符合实际情况的数学模型。在建立模型前，必须先收集生产统计数据，本文所采用的原始数据是来自于云南某铜选厂磨矿车间2001年阶段性报表生产数据。表1为预处理过后的数据。表1原矿处理量(吨天)原矿品位（%）磨矿细度（200目%）回收率（%）精矿品位（%）0.4616280.3478260.4575850.4025950.3129030.6321710.3652170.2000000.2978040.4127790.5856590.2318840.4047840.3796410.4586850.5081410.4405800.4911320.3317370.396650.5779070.6028990.6025670.6085290.4977670.6379840.7000000.6154030.7000000.5132750.5003870.2971010.4225790.5942120.2000000.5372090.6173910.6419490.6276210.5090430.5546510.5072460.5448070.5544870.4647870.4984490.3942000.6772460.562070.4669540.5449610.4855070.4861730.5260050.4479630.2949610.3028990.5077600.4697770.4120310.6031010.3434780.7000000.5524170.4604090.5682170.3971010.5497670.5177020.4414620.4170540.5275360.5351810.5581620.4672980.2000000.5057970.5512250.5562650.4657820.4906970.4869570.5701870.5564220.4655060.5527130.6362320.4765460.5083830.7000000.4422480.4579710.5246790.5300760.4497710.4616280.4652170.5742710.5502660.4615390.7000000.4434780.4289660.490940.4269530.5527130.4724640.5305130.5372250.4541700.5914730.3275360.4246210.4488030.4004330.6089140.3420290.5398480.4948960.4272570.5682170.4492750.6072350.5564220.4647730.5585270.4376810.6031510.5509100.4613730.5507750.5724640.5013420.5618400.470290.5003870.2231880.4266630.2000000.4959060.5643410.3318840.6075260.5154390.4388890.5333330.2971010.5334310.4768870.4160130.5624030.2768120.6865810.5243070.4429250.6321700.3463770.5891480.5139690.4383250.5972860.4115920.5109680.5089620.4367100.5449610.2391300.4094520.4124600.3777850.5217050.5231880.4456240.5247580.4479770.5158910.6231880.3858230.5384690.4578180.4616280.3478260.4575850.4676390.4116740.5720930.2000000.361610.3817330.359330.6321710.3652170.2000000.3820260.3627130.6457360.3362320.3484830.4247410.3867460.6263570.2710140.4523340.4388860.3936230.3841090.3347830.4444570.4584010.4061010.5488370.2420290.4514590.4284300.3870380.5546510.2550720.5351810.4628000.4070830.5391470.3637680.4520420.4712460.4140610.5527130.6362320.4765460.5753320.4792990.6321710.3057970.5284710.4781650.4169180.6205430.3420290.3945740.4431780.3974760.5875970.3130430.6331970.5179830.4399880.6089150.2739130.4835470.4510120.4006621.对收集到的大量数据进行初步的综合、归纳、分析。2.分析原矿处理量、原矿品位、磨矿细度、回收率、精矿品位之间是否存在线性相关。3.研究精矿品位和回收率的影响因素及具体对应关系。二描述性分析描述性分析是描述性统计分析中最基本统计分析之一。通过描述性分析，可以计算出变量的平均数、总和、标准差、方差、极差、最大值、最小值等统计量。借助SPSS描述统计分析功能可将收集到的大量数据进行分析、综合、归纳、列表等处理工作。运行SPSS软件，对由表1建立的数据文件进行描述性统计分析，输出结果见表2.表2：各变量描述统计量原矿处理量（吨天）原矿品位（%）磨矿细度（200目%）回收率（%）精矿品位（%）N5050505050均值(Mean )0.542790600.400347620.499684380.492440600.43449826标准差(Std.Deviation )0.0876748970.1249748430.1048516970.0864949010.064362555结果分析：表2中清楚地列出了原矿处理量、原矿品位、磨矿细度、回收率和精矿品位的均值以及标准差，使我们对各个变量的平均水平及变量值之间的差异程度有了一个比较直观的了解。三相关分析相关分析是利用概率统计方法来描述和研究事物之间的相关关系。它是研究变量间密切程度的一种常用统计方法，常用的统计量有相关系数、自相关函数和互相关函数等。相关分析是统计分析的一种重要方法，其作用在于:提高我们对于现象之间相互依存关系的认识，使我们对这种关系的认识由定性进入定量，利于深入地认识事物的运动本质，使我们对客观现象之间的关系认识更具体、更直观。在SPSS软件平台上，对由表1建立的数据文件进行相关分析，判断原矿处理量、原矿品位、磨矿细度、回收率、精矿品位之间是否存在线性相关。输出结果见表3.表3：相关性（Correlations）原矿处理量(吨天)原矿品位（%）磨矿细度（200目%）回收率（%）精矿品位（%）原矿处理量(吨天)Pearson Correlation1-0.101-0.145-0.088-0.012Sig. (2-tailed)0.4860.314.543.935N5050505050原矿品位（%）Pearson Correlation-0.10110.2350.655*0.599*Sig. (2-tailed)0.4860.1010.0000.000N5050505050磨矿细度（200目%）Pearson Correlation-0.1450.23510.648*0.380*Sig. (2-tailed)0.3140.1010.0000.007N5050505050回收率（%）Pearson Correlation-0.0880.655*0.648*10.292*Sig. (2-tailed)0.5430.0000.0000.039N5050505050精矿品位（%）Pearson Correlation-0.0120.599*0.380*0.292*1Sig. (2-tailed)0.9350.0000.0070.039N5050505050* Correlation is significant at the 0.01 level (2-tailed).* Correlation is significant at the 0.05 level (2-tailed).结果分析：表3是皮尔逊( Pearson)相关矩阵。在行变量和列变量的交叉点上是这两个变量的相关计算结果。每组数据从上而下分别为: 皮尔逊( Pearson)相关系数 对于相关系数为0的假设成立的概率 参与相关系数计算的观测量数分析相关系数及其经验的概率值，可以看出：回收率和原矿处理量是负相关，相关系数为0.088，不相关的概率为0.543；回收率和原矿品位与磨矿细度均是正相关，相关系数分别为0.655与0.648，不相关的概率都为0；回收率和精矿品位是正相关，相关系数为0.292，不相关的概率为0.039。可以说明回收率主要决定于原矿品位和磨矿细度，同时与精矿品位也有一定的相关性。精矿品位和原矿处理量是正相关，相关系数为0.012，不相关的概率为0.935；精矿品位和原矿品位是正相关，相关系数为0.599，不相关的概率为0；精矿品位和磨矿细度是正相关，相关系数为0.380，不相关的概率几乎为0；精矿品位和回收率是正相关，相关系数为0.292，不相关的概率为0.039。因此可以说明精矿品位主要决定于原矿品位和磨矿细度，同时与回收率也有一定的相关性。四回归分析回归分析(regression analysis)是研究自变量和因变量之间的关系形式的分析方法。由回归分析求出的关系式称为回归方程，如果因变量为自变量的一次函数，则称为线性回归方程(linear regression equation )。如果自变量只有一个，则称为一元线性回归方程式，否则称为多元线性回归方程式。选矿过程，影响选矿指标的因素很多，如何在为数众多的因素中“挑选”变量，以建立对这批观测数据“最优”的回归方程，需采用逐步回归的方法。本文在对试验数据进行相关分析的基础之上,又分别以回收率和精矿品位为因变量,以剩下的变量为自变量,对这些数据进行回归(多元线性)分析,进一步地使数据处理定量化。处理结果如下。1回收率回归分析输出结果：表4: 模型摘要（Model Summary(d)）ModelRR SquareAdjusted R SquareStd. Error of the Estimate10.655(a)0.4290.4180.06601343120.829(b)0.6880.6740.04935317630.880(c)0.7750.7600.042338657a. Predictors: (Constant), 原矿品位（%）b. Predictors: (Constant), 原矿品位（%）, 磨矿细度（200目%）c. Predictors: (Constant), 原矿品位（%）, 磨矿细度（200目%）, 精矿品位（%）d. Dependent Variable: 回收率（%）表5： 逐步回归分析的方差分析（ANOVA(d)）ModelSum of SquaresdfMean SquaresFSig.1Regression0.15710.15736.1230.000(a)Residual0.209480.004Total0.367492Regression0.25220.12651.7520.000(b)Residual0.114470.002Total0.367493Regression0.28430.09552.8350.000(c)Residual0.082460.002Total0.36749a Predictors: (Constant), 原矿品位（%）bPredictors: (Constant), 原矿品位（%）, 磨矿细度（200目%）cPredictors: (Constant), 原矿品位（%）, 磨矿细度（200目%）, 精矿品位（%）dDependent Variable: 回收率（%）图1：回收率回归分析的残差图结果分析：从图1中可以看出，样本的残差接近正态分布。表4为模型各统计量摘要，列出了各步被选入回归方程的变量的的统计量。其中， R：相关系数， R Square：， Adjusted R Square：校正， Std. Error of the Estimate：估计的标准误差。表7中列出了残差的各项统计量。表5中方差分析左侧的列表示偏差平方和，它分解为回归方程(Regression)与残差(Residual )。其中的df是它们的自由度，Sum of Squares是它们的平方和，Mean Squares是它们的均方。从F检验可以看出回归方程的均方值远大于残差的均方，所以显著性水平Sig. F=0.0000。从表6中可以看出第一步被选入回