基于SVM和BP神经网络的部分稳定氧化锆稳定率预测方法

由于部分稳定氧化锫具有优良的物理化学性能,在冶金及材料中有着重要的地位,稳定率是部分稳定氧化锫产品性能的一个重要指标.而部分稳定氧化锆的制备过程具有非线性、多变量、时变等特点,本文采用了支持向量机( SVM)及BP神经网络方法对部分稳定氧化锆的稳定率进行了预测.将热处理温度、保温时间、降温速率、淬火温度及升温速率5个指标(参数)作为模型输入量,部分稳定氧化锆的稳定率作为输出值,分别以48组实验数据作为学习样本,并建立模型,运用该模型预测了5组部分稳定氧化锫的稳定率.实验结果表明,2种模型均具有较好的预测能力,人工神经网络模型预测结果平均误差为1.48％,支持向量机模型预测结果平均误差为0.68％,并且支持向量机预测部分稳定氧化锆的稳定率精度更高,可在实际生产过程中推广应用.     

中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等.通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况.在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果.上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平.     

地下工程中基于人工神经网络的岩爆预测

通过收集国内外多个地下工程和矿山实际岩爆资料,分析了影响岩爆发生的主要因素,运用人工神经网络方法,建立了岩爆预测的人工神经网络模型,并根据某地下工程的实测参数,验证了预测模型的可靠性.结果表明,所建立的模型具有较高的预测精度.     

遗传小波神经网络在钢铁企业能耗预测中的应用

冶金企业能源消耗量是一个与多种因素有关的复杂非线性问题.鉴于传统预测方法的缺陷,利用遗传算法来优化小波神经网络,建立基于遗传算法的小波神经网络模型对鞍山钢铁公司能源消耗进行预测.该模型结合了遗传算法的全局优化搜索能力以及小波神经网络良好的时频局部性质.通过实验将其与传统的神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度.     

基于维度缩减的合金加料智能预测模型的研究

合金加料预测模型作为炼钢精炼环节重要的工艺模型,其准确性对合金加料以及精炼环节的进一步自动化起着非常重要的作用.在实际数据的基础上,运用维度缩减同RBF神经网络相结合的方法建立合金加料智能预测模型,结果证明维度缩减后的合金加料模型具有较好的预测效果.     

焦炭强度预测方法探讨

分析了影响焦炭强度的诸多因素,并选取主要影响因素作为预测自变量,建立了二元回归模型,分别运用最小二乘法和EXCEL统计分析函数实现了模型的回归分析,得出预测焦炭强度的回归方程,通过实际生产数据验证了其准确性。该回归模型的建立对焦化厂控制焦炭质量、优化配煤结构、降低生产成本具有积极的指导意义。     

基于平滑指数法的我国铜材产量预测

铜是用途广泛且较为贵重和稀缺的有色金属.科学预测我国铜材产量,是制定行业发展规划的基础,对指导企业有序、有效生产经营,保持我国促进我国铜产业健康发展具有重要的现实意义.平滑指数法是时间序列预测常用的方法,预测值是以前观测值的加权和,且对不同的数据给予不同的权数,新数据给予较大的权数,旧数据给予较小的权数.运用三次平滑指数法预测我国铜材产量,取得了理想的效果,平均预测仅为1.658 8%.由模型预测得到2017年6月我国铜材产量为178.356万t.     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有方法相比,话务量的预测精度提高了6.57%\.     

基于市场的地下金属矿山生产计划优化

针对地下金属矿山生产和经营特点,首先采用商业智能和组合预测的理论和方法,建立矿产品市场需求计划模型;然后根据矿产品市场需求计划模型提供的分析结果,采用多目标规划、专家系统、时间价格Petri网的理论和方法,对采掘作业流程进行建模,提出了求解流程最小成本的计算方法.某地下金属矿山的实例计算表明,该模型能够有效地优化企业的生产计划,提高企业的市场竞争力,降低企业的运营成本.      

钢铁企业用电量预测模型研究

为了对钢铁企业的用电量进行精准预测,同时兼顾各生产流程对用电负荷的需求,运用统计学原理对钢铁企业用电负荷的性质、特点进行了分析,建立了多种用电量模型.以最小化电量偏差预测为目标,多种预测模型相结合,切实有效提高了钢铁企业用电量的预测能力.     

中国经济增长均衡与非均衡的转换机制——基于Markov 机制转换自回归模型的实证分析

通过使用三状态三阶滞后的Markov机制转换自回归模型,笔者分析了1991年第1季度到2010年第1季度我国季度GDP增长的非线性特征,以及不同状态之间的转换机制问题.研究发现:1991年第1季度到2010年第1季度的中国季度GDP增长可以分为低增长状态、高增长状态和均衡增长状态三种情况;处于低增长状态和均衡增长状态的季度GDP增长率具有振荡收敛于其平均增长率的趋势,而处于高增长状态的季度GDP增长率具有振荡远离其平均增长率的趋势;低增长状态的平均持续期大约为46个季度,高增长状态的平均持续期为1个季度,均衡增长状态的平均持续期大约为3个季度.     

基于极限学习机的充填体强度预测

针对充填体强度与影响因素之间复杂的非线性关系,利用极限学习机算法(ELM)建立了充填体强度预测的ELM模型,该模型以良山铁矿充填料浆配比试验数据作为训练和测试样本,选取料浆浓度、灰砂比、水泥含量及矿渣微粉掺入量4个影响因素作为输入因子,28天抗压强度作为输出因子。结果表明:当隐含层节点数目选取为17个,激活函数为Sigmoidal时网络模型具有良好的泛化能力和预测精度,模型训练值和预测值与实测值的均方误差(MSE)分别为0.39和0.36,平均相对误差控制在5%以内,对充填体的强度具有良好的预测能力。     

POSCO可持续经营研究

从POSCO的可持续经营战略、可持续经营能力评价、可持续经营实践等方面,对POSCO的可持续经营进行阐述。     

基于投影寻踪的模糊综合评价模型研究及应用

依据建立的水资源可持续利用的分级标准在各等级取值范围内随机生成数据作为样本,采用投影寻踪的思想优化投影方向,得到客观权重,并与层次分析法得到的主观权重相结合,建立了基于投影寻踪的模糊综合评价模型,并将模型应用于海南省水资源可持续利用综合评价.结果表明,该模型计算简便,评价结果可信度较高.     

建筑企业成本管理刍义

微利时代的建筑施工企业要想在激烈的竞争中求得生存和发展,就必须建立现代企业制度,运用现在的财务管理制度,充分发挥事前预测分析、事中控制、事后分析的职能,严抓企业成本管理和成本控制,挖掘企业潜在的经济能力,以保证企业成本目标的实现,实现企业价值最大化.     

基于减法聚类的带钢厚度数据驱动建模

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力.      

鞍钢能源投入产出模型及能源预测

建立鞍钢能源投入产出——线性规划模型,运用计算机优化求解,定量地将鞍钢各工序(各产品)进行合理能源分配与平衡,是企业节能和提高经济效益的有力手段. 近年来,鞍钢在这方面进行了许多工作,本文着重阐述鞍钢能源投入产出数学模型的建立,模型的使用及能源预测。     

区域土地可持续管理评价与对比差异研究

参照联合国粮食及农业组织(FAO)<可持续土地管理评价纲要>的要求,依据生产性、安全性、保护性、可行性和认同性五大目标,建立了区域土地可持续管理评价指标体系,并运用层次分析(AHP)法确定子目标及单项指标的权重;最后,运用多目标线性加权函数法选择徐州市和苏州市作为研究案例进行实证研究.结果显示,徐州市正处于可持续管理发展阶段,苏州市已进入初步可持续管理阶段.整体分析了制约2市土地实现可持续管理的因素,并对它们未来的发展提出了相应措施和政策建议.     

基于神经网络的期铜价格趋势预测研究

运用X-12-ARIMA季节调整方法,对上海交易所三月期铜月平均价格进行季节性调整,消除了季节因素和不规则因素对铜价的影响.针对季节调整后序列,分另建立了BP、RBF、Elman等神经网络模型,并对期铜价格进行预洲.预测效果比较说明,与传统的神经网络相比,Elman神经网络模型具有收敛速度快、预测精度高的特点,能在期铜价格预测方面取得较好的效果.     

基于大数据的铜板带成品率预测

针对江西某铜板带生产企业,根据历史数据分析了该企业车间部门铜板带生产表面缺陷,构建了铜板带工艺参数采集大数据平台,并对数据做了清洗和存储,利用Spark实现PCA主成分机器算法在线降维,为了预测车间产品成品率,建立了BP＿AdaBoost模型,并在构建好的铜板带生产数据云服务存储仓库中挑选出8个变量作为输入,1个变量作为输出,对铜板带生产成品率进行预测。通过网络训练后,AdaBoost算法改进得到的BP＿AdaBoost模型模型成品率预测误差低于0.3,相比于未改进的BPNN模型精确率更高,综合拟合度大于0.95,拟合性能好,在铜板带生产企业实际预测精剪成品率时具有显著的非线性映射关系。