28 杨宗霄等:基于因子分析与神经网络的输电网安全评价 Vol. 33 No. 14
分由所有变量共同具有的少数几个因子构成,即所谓公共因素部分;另一部分是每个变量独自具有的因素,即所谓独特因子部分。式(1)中:Xi是原变量,其中F1, F2, …, Fm为公共因子,它们是在各个变量中共同出现的因子,可以把它们看作多维空间分布中互相垂直的m个坐标轴;εi(i=1, 2, …, p)表示影响
Xi的独特因子,指原有变量中不能被因子标量所解释的部分,其中a1, a2, …, ap是相对应εi的系数;aij为因子负荷,它是第i个变量在第j个主因子上的负荷,它反映了第i个变量在第j个主因子上的相对重要性。
2.2 评价指标的因子分析
分析构建好的输电网安全评价指标体系,共有
5个主指标和20个子指标,而且各个子指标之间是相互关联的,即5个主指标的各个子指标之间是具有相关性的。选取国家电网公司某分电网的20组评价指标样本数据进行因子分析。经分析,指标样本的巴特利球度检验统计量为131.051,相应的概率为0.000,因此可认为相关系数矩阵与单位阵有显著差异,同时,KMO(Kaiser-Meyer-Olkin)值为
特征值时的共同方差,由于因子变量个数少于原始
指标变量的个数,每个指标变量的共同度必然要小于1。从因子分析的初始结果可以看到,所有指标变量的共同方差均较高,各个指标变量的信息丢失都较少。因此本次因子提取的总体效果较理想。
在因子分析可行的基础上,计算旋转后因子载荷矩阵、特征值、贡献率、累计贡献率,所得结果见表3。由于前11个指标的累计贡献率已达94.852%,所以提取出的11个主因子基本上包含了原来20个指标变量的大量信息。因此可以选择11个主因子对其进行简化。
表3中的因子序号是指所提取的11个主因子变量。特征值是指每个变量Xi在某一公共因子Fj上的因子负荷量的平方总和,即式(1)中aij的平方总和。因子贡献率是指每个因子对原始数据的解释能力,用该因子所解释的总方差来衡量,它等于与该因子有关的因子负荷的平方和,即式(1)中aij的平方和。累计贡献率是指所提取的因子指标对原来指标变量的解释能力,即反映原始数据信息的多少。
表3 因子分析贡献率
Tab. 3 The contribution rate of factor analysis
因子序号
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11
特征值
贡献率/%
累计贡献率/%
3.389 16.944 16.944 2.797 13.984 30.928 2.390 11.950 42.878 2.117 10.589 53.467 1.810 9.048 62.515 1.667 8.337 70.852 1.320 6.598 77.450 1.204 6.022 84.048 0.855 4.277 88.325 0.719 3.596 91.921 0.586 2.931 94.852
0.826,根据KMO度量标准(KMO<0.6,不太适合下面因子分析)可知原有变量适合进行因子分析[7]。进一步说明对这些指标进行因子分析的理论和实际可行性。
表2给出了因子分析的初始结果,显示了所有
指标变量的共同方差数据。第1列是20个初始指标变量C1~C20,第2列是因子分析初始解下的指标变量共同方差,它表明对原有20个指标变量若采用主成分分析方法提取所有特征值(20个),则原有指标变量的所有方差都可被解释,指标变量的共同方差均为1(原有指标变量标准化后的方差为1)。第3列是在按指定提取条件(本例提取11个因子)提取
表2 因子分析的初始结果
Tab. 2 The initial results of factor analysis
初始变量 C1 C2 C3 C4 C5 C6 C7 C8 C9 C10
初始
提取
共同方差 共同方差
初始变量
初始
提取
共同方差 共同方差1.000 0.879 1.000 0.798 1.000 0.852 1.000 0.852 1.000 0.839 1.000 0.895 1.000 0.912 1.000 0.963 1.000 0.989 1.000 0.960
2.3 应用案例
经过以上分析可知对输电网安全评价指标体系进行因子分析在理论上与实际上都是切实可行的。最后根据统计理论和回归算法计算出因子得分函数系数。本例因子分析得分函数系数结果[7]为 F1=0.244C1+0.284C2+…+0.341C20
F2= 0.043C1+0.058C2+…+0.242C20
(2)
F11=0.093C1+0.159C2+… 0.478C20
式中:F1~F11是所提取的因子向量;C1~C20是原有的指标变量。通过计算各个因子得分函数系数可以得到原有指标变量和新提取的因子变量之间的关系。可以看出对指标变量的因子分析能够降低评价
C11 C12 C13 C14 C15 C16 C17 C18 C19 C20
[2],灰色系统理论评价方法[3],神经网络评价 通职业技术学院项目(2010-2) ...[4]杨宗霄,毛智杰,杨本渤等.基于因子分析与神 经网络的输电网安全评价[J]....
杨宗霄 崔凤奎 魏世忠 闫焉服 文九巴 杨涤心 李炎 张柯柯 黄景涛 郑国强...基于人工神经网络的输电网安全评价方法研 究 冷滚打滚珠丝杠理论研究 Al2O3 ...
杨宗霄 崔凤奎 魏世忠 闫焉服 文九巴 杨涤心 李炎 张柯柯 黄景涛 郑国强...基于人工神经网络的输电网安全评价方法研 究 冷滚打滚珠丝杠理论研究 Al2O3 ...
热门文档