基于主成分分析的BP神经网络模型在铁矿产地溯源中的应用

摘要

铁矿在国家工业生产中占有重要地位,不同产地的铁矿在品质、有害元素含量上存在差异,为了提高海关对进口铁矿是否存在瞒报产地、以次充好等潜在风险的识别预警能力,尝试借助人工智能的方法来解决.以澳大利亚、巴基斯坦、巴西、南非、乌克兰和印度6个国家进口的共1072批铁矿样品为研究样本,依据国家标准、行业标准对Hg、F、Cl、S、全铁(TFe)、SiO2、Al2O3、P、H2O、烧失量(L.O.I)、K2O、TiO2、MgO、CaO和Mn等15个指标进行检测.通过主成分分析提取了5个有效的主成分,累计方差贡献率为77.481％.以主成分分析提取的5个主要因子作为神经网络的输入指标,6个不同原产地作为输出指标,随机选取1072组检测数据中的80％作为训练集,用以建立分析模型;剩下的20％作为验证集,用以验证模型的预测准确度,验证集识别准确率为100％,能够实现对6个国家铁矿原产地的准确识别.该模型的建立将直接应用于进口铁矿的产地鉴别,支撑进口铁矿的风险监管,维护贸易秩序,保障贸易便利.