本文關(guān)鍵詞： 煤礦材料成本 多元回歸分析 RBF神經(jīng)網(wǎng)絡(luò) MRA-RBF耦合模 預測 成本控制　出處：《遼寧工程技術(shù)大學學報(自然科學版)》2017年05期 　論文類型：期刊論文

【摘要】：為解決煤礦材料成本預測存在的問題.將多元回歸模型和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了煤礦材料成本預測的MRA-RBF耦合模型.從自然因素、技術(shù)因素、管理因素等方面選取8個變量建立煤礦成本預測指標體系.對實際煤礦材料成本進行預測分析.結(jié)果表明:MRA-RBF耦合模型預測最大誤差為10.795 145 2%,平均誤差為5.459 71%,最小誤差僅為0.344 581 7%,預測效果較好,預測精度與單一MRA模型及RBF神經(jīng)網(wǎng)絡(luò)相比有了較大提高.驗證了所提出模型的科學性、準確性,說明將線性擬合算法(MRA)和非線性擬合算法(RBF)結(jié)合起來用于煤礦材料成本預測是一種較為優(yōu)越的算法,為煤礦材料成本預測及控制提供一種新的方法.
[Abstract]:In order to solve the problem of coal mine material cost prediction, the MRA-RBF coupling model of coal mine material cost prediction is established by combining multiple regression model and RBF neural network. Technical factors. In the aspects of management factors, 8 variables are selected to set up the coal mine cost prediction index system. The actual coal mine material cost is forecasted and analyzed. The results show that:. The maximum prediction error of MRA-RBF coupling model is 10.795,145 2%. The average error is 5.459,71 and the minimum error is only 0.344,581,77.The prediction effect is good. Compared with the single MRA model and the RBF neural network, the prediction accuracy is greatly improved, which verifies the scientific and accuracy of the proposed model. It shows that the combination of linear fitting algorithm (MRA) and nonlinear fitting algorithm (RBF) is a superior algorithm for coal mine material cost prediction. It provides a new method for coal mine material cost prediction and control.
【作者單位】： 遼寧工程技術(shù)大學工商管理學院;
【基金】：國家科技支撐計劃(2013BAH12F01) 國家自然科學基金(51374121)
【分類號】：F406.72;F426.21;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 田敏;謝賢平;侯江;邢冀;;神經(jīng)網(wǎng)絡(luò)在礦業(yè)工程中的若干應用進展[J];采礦技術(shù);2008年04期

2 王小完;楊樺;;神經(jīng)網(wǎng)絡(luò)技術(shù)在礦體邊界圈定中的應用研究[J];金屬礦山;2009年02期

3 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機液壓系統(tǒng)故障診斷中的應用[J];煤礦機械;2011年04期

4 彭泓;高攀;;粗神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出預測系統(tǒng)的應用[J];儀表技術(shù)與傳感器;2011年11期

5 郭忠平,王志軍,李勇;基于神經(jīng)網(wǎng)絡(luò)的綜合指標在煤礦安全預測中的應用[J];煤礦安全;2005年09期

6 劉蘭翠,朱明,楊中;基于神經(jīng)網(wǎng)絡(luò)的時間序列對煤礦安全性的預測[J];煤炭科學技術(shù);2002年11期

7 魏一鳴，童光煦;基于神經(jīng)網(wǎng)絡(luò)的品位估值方法及其計算機系統(tǒng)[J];化工礦山技術(shù);1995年02期

8 黃國明，蘇文智;基于時序預報神經(jīng)網(wǎng)絡(luò)的斜坡變形預測方法[J];中國煤田地質(zhì);1996年04期

9 郭科,胥澤銀;神經(jīng)網(wǎng)絡(luò)在地質(zhì)數(shù)據(jù)統(tǒng)計分析中的應用[J];四川聯(lián)合大學學報(工程科學版);1999年01期

10 李云;劉霽;;神經(jīng)網(wǎng)絡(luò)與主元分析在采礦工程中的應用[J];中南林業(yè)科技大學學報;2010年06期

相關(guān)會議論文 前4條

1 李春文;曹玲芝;張愛芳;;神經(jīng)網(wǎng)絡(luò)PID控制器在提升機控制系統(tǒng)中的應用[A];第二十九屆中國控制會議論文集[C];2010年

2 王祥厚;李程遠;;臺階爆破巖石塊度預測的神經(jīng)網(wǎng)絡(luò)[A];第七屆全國工程爆破學術(shù)會議論文集[C];2001年

3 李昊;陽春華;王隨平;;集成神經(jīng)網(wǎng)絡(luò)在深海集礦機故障診斷中的應用[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學會學術(shù)年會專輯[C];2004年

4 戚玉亮;王同旭;張振宇;王榮超;;位移反分析的Levenberg-Marquardt BP神經(jīng)網(wǎng)絡(luò)方法研究[A];全國巖土工程反分析學術(shù)研討會暨黃巖石窟（錦繡黃巖）巖石力學問題討論會文集[C];2006年

相關(guān)博士學位論文 前2條

1 雷勇濤;基于神經(jīng)網(wǎng)絡(luò)的提升機制動系統(tǒng)故障診斷技術(shù)與方法[D];太原理工大學;2010年

2 喬國厚;煤礦安全風險綜合評價與預警管理模式研究[D];中國地質(zhì)大學;2013年

相關(guān)碩士學位論文 前10條

1 張抗抗;煤礦主通風機風量調(diào)節(jié)系統(tǒng)的設(shè)計與實現(xiàn)[D];中國礦業(yè)大學;2015年

2 劉志堅;基于BP神經(jīng)網(wǎng)絡(luò)的煤自然發(fā)火預報系統(tǒng)研究[D];華北理工大學;2015年

3 王圳;基于神經(jīng)網(wǎng)絡(luò)的破碎機傳動系統(tǒng)故障診斷研究[D];遼寧科技大學;2015年

4 蒲春;基于神經(jīng)網(wǎng)絡(luò)的地質(zhì)鉆探工況判別模型研究[D];中國地質(zhì)大學(北京);2016年

5 李貝貝;神經(jīng)網(wǎng)絡(luò)集成算法研究及其在煤礦安全中的應用[D];山東師范大學;2012年

6 袁姝;神經(jīng)網(wǎng)絡(luò)在地震反演中的研究與應用[D];西安石油大學;2011年

7 劉銳;非線性神經(jīng)網(wǎng)絡(luò)及其在地學中的應用[D];中國地質(zhì)科學院;2006年

8 王一兵;基于神經(jīng)網(wǎng)絡(luò)的礦井風機故障診斷[D];上海交通大學;2012年

9 沈娜娜;基于神經(jīng)網(wǎng)絡(luò)的磨礦過程多模型軟測量方法研究[D];遼寧科技大學;2015年

10 丁睿;基于神經(jīng)網(wǎng)絡(luò)的鈾礦國際市場價格預測[D];中南大學;2010年

，

本文編號：1492532