基于spss粗选钼尾矿选矿指标的数据分析

基于spss粗选钼尾矿选矿指标的数据分析吕政超，张文军，侯英(辽宁工程技术大学资源与环境工程学院，辽宁阜新123000)摘要：选矿工艺试验，往往是通过多次重复试验来保证所需试验精度。而大量的试验数据，会给选矿工作者在提取有价值数据和挖掘各数据相关性的工作中带来一定难度。spss中的因子分析方法，为指标测评抽象因子的统计方法。它可将原始数据中的信息重叠部分提取和综合成因子，进而最终实现减少变量个数的目的。文章以钼尾矿粗选的多次试验数据作为研究变量，结果表明，不但可以简化分析量，还可从众多数据中提炼出试验规律。因此得出结论，此方法不失为一种分析大量选矿数据的有效方法。关键词：选矿；数据分析；spss中图分类号：C812文献标识码：AStatisticalAnalysisofMolybdenumOreRougherFlotationbasedontheSpssLVZhengchao，ZHANGWenjun，HOUYing（InstituteofResourceandEnvironmentEngineering,LiaoNingTechanicalUniversity,Fuxin123000,China）Abstract：Intermsofore-dressingtechnique,inordertoensureaccuracytest,weususllydomorerepeated-measures.Butitwilltakethechallengingincollectionsofvaluabledataextractionandminingthedatadependency.Themethodoffactoranalysis,isastatisticalmethodwhichhasthefunctioningofassessingindicatorinabstractedfactoranalysis.Thepartofoverlapinformationinrawdatacanbeextractedandsynthesizedfactors,whichcanfinallyachievethepurposeofreducingvariablenumber.Thisarticletakestherepeated-measuresasnominalvariable.Theresultsdemonstratedthat,throughthespss,wecannotonlysimplifythequantityofinformation,butalsogettheruleoftheore-dressingtechnique.Sowecancometotheconclusionthatitisaneffectuallymethodinanalysingthemineralprocessingdata.Keywords：mineralprocessing；statisticalanalysis；spss1引言浮选是根据矿物颗粒表面物理化学性质的不同，从矿石中分离有用矿物的技术方法。浮选法广泛用于细粒嵌布的金属矿物、非金属矿产、化工原料矿物等的分选。所以在当今选矿试验工艺中，浮选一直占有很重要的地位。但是浮选影响产品指标的因素很多。这些因素之间的相关程度及它们对指标的影响又各不相同，从而对选矿试验的数据分析造成一定的难度。因此引入应用软件可以通过函数表达式及其相应手段揭示选别过程中各因素的作用，定量地分析这些因素的影响程度，从而在试验条件范围内或适度延伸试验条件范围的情况下，使我们能更深人、更全面认识各因素间及它们与指标间的关系，进而在试验工作中能够抓住主要的实质性的因素。本文侧重介绍试验结果的处理及分析方法。用SPSS软件中的因子分析等方法,在能够反映问题绝大部分信息的情况下,来分析选矿工程中的影响因素,确定它们对问题影响的主次关系。SPSS（StatisticalProductandServiceSolutions），”统计产品与服务解决方案”软件。是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生于20世纪60年代末研制。最初软件全称为”社会科学软件统计包”，但是随着SPSS产品服务领域的扩大和服务深度的增加，已经集数据整理、分析功能于一身。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、因子分析等。由于其强大的数据分析功能，已经在我国的社会科学、自然科学的各个领域发挥了巨大作用。2因子分析的数学模型因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息,可将这一思想用数学模型来表示。设原有p个变量(在选矿试验中为影响因素),x1,x2,x3,…,xp,且每个变量（或经标准化处理）的均值为0,标准差为1。将每个原有变量用k（kp）个因子f1,f2,f3,…,fk(kp)的线性组合来表示:,则有公式如下：pkpkppppkkkkkkfafafafaxfafafafaxfafafafaxfafafafax332211333323213132232322212121131321211113也可用矩形的形式表示为：AFX式中，F称为公共因子，因子可理解为高维空间中互相垂直的k个坐标轴；A称为因子载荷矩阵；称为特殊因子，表示原有变量不能被因子解释的部分，其均值为0，相当于多元线性回归模型中的残差。3因子分析3.1相关性分析由于因子分析的主要任务之一是对原有的变量进行浓缩，即将原有变量中的信息重叠部分提取和综合因子，进而最终实现减少变量个数的目的。所以，它要求原有变量之间应存在较强的相关关系。否则,如果变量间不存在相关关系,就无法从中综合出能够反映某些变量共同选择性的几个较少的公共因子。因此在研究之前应首先对因子分析的条件的相关性进行研究。表1选矿影响因素与生产指标关系Tab1Relationbetweentheinfluencefactorsandperforanceofaconceniration煤油2号油矿浆质量序号用量用量PH浓度品位回收率g/tg/t%%%190457252.0674285438302.0476395479311.9777………………………………………………………10585438321.9874将表1数据变量输入到spss进行相关性分析。由表2可得，采用巴特利特球度检验和KMO检验可知，KMO值为0.800，根据其度量标准，为适合分析。因此，表明变量间的相关性较强，原有变量适合做因子分析。表2数据的相关性分析Tab2Relativityanalysisoftfactors煤油用量2#油用量矿浆PH质量浓度煤油用量1.0000.9740.8200.7852#油用量0.9741.0000.8250.823矿浆PH0.8200.8251.0000.692质量浓度0.7850.8230.6921.0003.2提取因子根据原有变量的相关系数矩阵，采用特征值大于1提取两个因子分析，得表3初始解。表3因子分析初始解Tab3initialsolutionoffactoranalysis变量共同度共同度(特征根大于1)煤油用量1.0000.9332#油用量1.0000.969矿浆PH1.0000.927质量浓度1.0000.969因子分析的初始解，显示了所有变量的共同度数据。第一个是因子分析初始解下的变量共同度，第二列是在按指定提取条件（设置特征根大于1）提取特征根时的共同度。从表3分析可知，四个变量的绝大本分信息可被因子解释，这些变量的信息丢失特别少(大于90%)。因此，本次因子提取的总体效果比较理想。图4显示了因子载荷矩阵，是因子分析的核心内容。根据该表可以写出应用案例的因子分析模型：煤油用量=0.976f1+0.415f22#油用量=0.964f1+0.382f2矿浆PH=0.895f1-0.354f2质量浓度=0.884f1+0.427f2表4因子载荷矩阵Tab4Componentmatrix因子1因子2煤油用量0.9760.4152#油用量0.9640.382矿浆PH0.895-0.354质量浓度0.8840.427由此可知，4个变量在第一个因子上的载荷都很高，意味着它们与第一个因子的相关程度高，第一个因子很重要；第二个因子与原有变量的相关性均较小，它对原有变量的解释作用不是很显著。3.3因子的命名解释这里，采用方差最大法对因子载荷矩阵实行正交旋转以使因子具有命名解释性。指定按第一因子载荷降序的顺序输出旋转后的因子载荷（见表5）。表5旋转后的因子载荷矩阵Tab5Rotatedcomponentmatrix因子1因子2矿浆PH0.9040.331煤油用量0.7580.5992#油用量0.7320.645质量浓度0.3760.907由表5可知，矿浆PH值，煤油用量，2#油用量在第一个因子上有较高的载荷，第一个因子主要解释了这几个变量，质量浓度在第二个因子上有较高的载荷，第二个因子主要解释了这几个变量。另外还可以看到，这两个因子的实际含义比较模糊。3.4计算因子得分这里，采用回归法估计因子得分系数，并输出因子得分系数矩阵。见表6。表6因子得分系数矩阵Tab6Componentscorecoefficientmatrix因子1因子2煤油用量0.7230.2872#油用量0.2230.173矿浆PH0.950-0.678质量浓度-0.6980.854由表6可写出以下因子得分函数：F1=0.723煤油用量+0.2232#油用量+0.950矿浆PH值-0.698质量浓度F2=0.287煤油用量+0.1732#油用量-0.678矿浆PH值+0.854质量浓度因子1主要反应了药剂制度的作用。由此可得，选矿试验中，我们应该更多注意对于脉石矿物的抑制。本次抽取为钼尾矿再回收试验数据，矿石本身品位较低，试验中应适当增加质量浓度而提高回收率，所以第2个因子反应了矿石本身的性质。实际影响顺序为：矿浆PH值煤油用量质量浓度2#油用量4结语SPSS中的因子分析方法不但可以简化计算量，还可以收集到诸多变量之间存在或多或少的相关性。此法仅需要向该软件输入必要的数据,可使选矿工作者在实际工作中可应用长期所积累的大量具有价值的数据中寻找出诸多变量间的相互作用规律。本文作者的创新点：通过此法分析选矿数据，可打破长期利用多次重复试验来提炼数据间的相互作用机理的局面，从而更好的指导选矿试验工作。参考文献：[1]薛薇.基于spss的数据分析[M].北京:中国人民大学出版社.2006.[2]朱建平,段瑞飞.spss在统计分析中的应用[M].北京:清华大学出版社.2007.[3]林春邓继新等.SPSS统计分析软件在气、水层识别中的应用[J].微计算机信息,2009，9-1：56-57作者简介：吕政超（1984-），男（汉族），辽宁省大连人，辽宁工程技术大学在读硕士，研究方向为资源综合利用。Biography:LVZhengchao(1984-),male(Hanpeople),DalianLiaoning,mastercandidateinLiaoningTechanicalUniversity,generallydealwithintegratedutilizationofkeyresources.通讯地址：辽宁省阜新市中华路47号（辽宁工程技术大学），147信箱，123000。Tel：[phone]邮箱：[e-mail]