基于PCA和GM（1，1）的矿山生态环境预测模型

来源：黄金科学技术杂志2018年第3期北京时间：

作者：周智勇, 肖玮, 陈建宏, 李欢

单位：1.中南大学资源与安全工程学院，湖南 长沙 410083；2.湖南辰州矿业博士后协作研发中心，湖南 怀化 419607

摘要：矿山开采过程中产生的生态环境污染问题日益突出，针对矿山生态环境的预测评价显得尤为重要。综合运用主成分分析法、灰色预测模型和初等关联函数等方法构建矿山生态环境预测模型，可以为矿业企业在未来环境保护及环保投资提供指导与借鉴。首先综合考虑环保资金投入和采矿、选矿对环境及员工的影响构建生态环境评价指标体系。主成分提取后，选取方差贡献率较高的主成分计算分析，可以得到2016年实际得分分别为-4.1776、0.4093、-0.2553以及2016年预测得分分别为-4.2926、-0.2175、0.3312。2016年生态环境评价值为-0.8861，预测值为-0.9708，2017年和2018年的预测评价值为-1.5493、-2.0511。研究结果表明：预测数据与实际数据基本一致，验证了预测模型的有效性，该矿山区域生态环境在持续改善。

关键词：矿山；主成分分析；灰色预测模型；关联函数；生态环境预测；定量分析；评价指标体系

基金资助：中南大学研究生自主探索创新项目“基于PCA和GM（1，1）的矿山生态环境预测模型”（编号：2017zzts242）、国家自然科学基金“基于属性驱动的矿体动态建模及更新方法研究”（编号：51504286）、“地下金属矿采掘计划可视化优化方法与技术研究”（编号：51374242）、中国博士后科学基金资助项目“地矿工程三维实体模型动态构建及更新方法研究”（编号：2015M572270）和湖南省科技计划项目“复杂矿井通风系统三维可视化仿真模拟及优化技术研究”（编号：2015RS4004）联合资助