数据挖掘在煤炭企业CRM中的应用与研究

为增强煤炭企业管理的决策能力,在建立CRM(客户关系管理)系统的基础上,文章提出了利用数据挖掘技术方案,讨论了系统数据仓库模型,并对数据挖掘算法的应用与研究进行了探讨,为中国煤炭企业的统计与分析提供了1种有效并可行的解决方案。     

面向大批量定制管理的CRM应用

大批量定制已在企业中得到了广泛的应用,以客户为中心的管理理念非常适合于大批量定制模式。企业通过建立客户数据库,构建客户信息管理、销售管理、服务管理、产品信息管理和协同子系统等CRM系统模块,通过使用数据挖掘手段和ERP等系统有效整合,为大批量定制企业提供优质的管理,为企业实施大批量定制提供科学决策的依据。     

客户管理系统中数据挖掘技术应用研究

目的是研究数据挖掘技术的基本原理、实用方法、实践步骤与技巧,为企业快速、低成本构建客户管理系统、CRM系统、数据挖掘应用系统提供参考与借鉴。从数据挖掘的概念入手,分析了其主要任务,从其现状中研究了其存在的问题及发展趋势,重点探讨了数据挖掘的应用步骤与方法,给出了一个数据挖掘软件的造型原则。     

数据挖掘技术在煤炭企业CRM构建中的应用研究

数据挖掘是从海量的数据中挖掘出可能有潜在价值的信息的技术。煤炭企业从事市场采矿作业生产,必须考虑客户实际使用的需求量,综合制定合理的采掘计划。文章分析了数据挖掘技术在煤炭企业客户关系管理(CRM)中的应用,为企业创建市场营销模式提供依据。     

数据挖掘技术在CRM中的应用

利用数据挖掘可以帮助完成日益繁重的潜在客户群的划分,从而实现对获取新客户成本的有效管理,可以明显提高营销活动的响应率,改善营销活动的回报率。在分析数据挖掘应用于客户关系管理的必要性和应用方式的基础上,对面向数据挖掘的通信企业客户关系管理系统和数据挖掘在其中的具体应用进行了研究。     

基于ASP的CRM网络应用系统的研究和设计

通过客户企业对客户关系管理的需要的分析,在传统的企业站点的基础上,合理运用ASP、Microsoft SQLServer2000数据库管理系统、CRM知识,达到了对CRM系统的系统规划、客户管理系统模块的划分、系统数据库策划,同时,策划了数据库构造及ASP的网络运用系统程序,并且供应了一套智能化的网络信息处理系统。     

关于煤炭企业CRM与ERP系统整合应用的思考

尝试将CRM(客户关系管理)理念与ERP(企业资源计划)相结合,根据煤炭企业的实际情况和具体要求,结合煤炭行业管理的规范和标准,提出煤炭企业CRM与ERP系统整合应用思路,将ERP系统中的销售环节与CRM进行整合,实现以客户为龙头,以销售为核心的煤炭企业ERP与CRM的整合系统。实现煤炭企业完整企业流程的再造。     

数据挖掘技术在煤矿企业中的实践探索

所谓数据挖掘实际上就是在大量的信息中寻找有价值且具有潜在规律数据的复杂过程,涉及到多种学科和科技知识的运用,目前已经在很多企业得到了广泛的应用,特别是煤矿企业,不仅仅涉及到企业内部的管理,比如CRM客户关系管理系统,还涉及到煤矿安全管理方面。文章的重点就是分析数据挖掘技术在煤矿企业的一些实际的应用。     

试论客户关系管理在煤炭企业中的应用

客户关系管理（即CRM）是企业与顾客之间建立管理双方接触活动的信息系统,主要是通过对客户详细资料的深入分析来提高客户满意度,从而提高企业竞争力的一种手段。在激烈的市场竞争中,企业之间的竞争已经从产品竞争、技术竞争、人才竞争逐步走向客户资源竞争。每个企业都希望掌握更多的优质客户,挖掘客户的潜力和真正掌握一套获得客户、保留客户、提高客户盈利能力的方法,来提高营销效果,这就需要实施客户关系管理。     

基于神经网络的数据挖掘在煤矿选煤中的应用

对神经网络技术应用于数据挖掘算法进行了分析,对算法模型以及实现进行了探讨,有效的利用了神经网络具有分析处理数据以及相应的记忆、学习能力,将该方法应用于数据挖掘过程中,通过对煤矿选煤过程中的原煤灰以及精煤灰的筛选案例分析,验证了该方法的可行性与有效性。     

基于人工神经网络薄煤层采煤方法优选专家系统研究

薄煤层安全高效开采是我国煤炭开采迫切需要解决的问题,而优选薄煤层采煤方法更显的尤为重要,薄煤层采煤方法的选择不仅受到地质条件的限制,而且还受到煤矿的设备水平和人为因素的影响.本文针对薄煤层采煤的特点,建立了薄煤层采煤方法选择人工神经网络专家系统,本系统中利用神经网络的改进算法“自适应学习法”训练网络,最终预测出采煤方法和工作面技术经济指标(工作面单产以及工效).     

基于遗传算法的多决策树融合研究

决策树是数据挖掘领域的一种有效方法,但基于决策树挖掘的入侵检测系统存在着检测性能低和数据挖掘效率不高等问题,针对这些问题,该文将遗传算法应用到决策树挖掘策略中。其思想是其思想就是将海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用遗传算法将多棵子决策树进行融合形成最优判断。文章最后通过实验证明该方法的有效性。     

基于物联网技术的智能电力计量系统研究

针对智能电力计量系统在应用过程中存在数据采集滞后、数据管理能力差的问题,提出了基于物联网技术的智能电力计量系统,该系统又融入了基于无限深度神经网络模型的大数据处理算法,通过深度挖掘的数学算法实现电力计量数据的分析,同时也实现了电力计量数据的采集、传递和分析,提高了电力计量数据自动化、智能高效管理水平.试验表明,本研究的...     

江西盘古山钨矿区开采沉陷预计的GA-SVA算法

传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计。以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vector machine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法。首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计。研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevation model,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度。     

深海采矿转臂关节运动规划的遗传退火算法

在转臂支腿式采矿机构中,采矿转臂受力复杂多变,若采用传统动力学对其分析时,工作量大,所解方程庞杂,求解不便甚至无解,而且不方便计算机数值求解。为此针对采矿机构转臂关节动力学特性,采用Kane法建立转臂姿态调整时的动力学模型,并在此基础上采用遗传退火算法对转臂关节运动进行规划,使其关节力矩变化幅度最小且采矿姿态调整更加平稳。为开发此新型采矿机构及其转臂在海水中精确控制具有积极的理论指导意义。     

基于改进的Apriori算法在煤矿安全监测中的应用研究

针对每款安全监测系统的监测功能进行研究,以改良后的Apriori算法和数据挖掘为基础,使用关联规则挖掘算法对影响煤矿安全的环境因素进行计算和分析,促进了煤矿安全监测系统的监测性能。     

矿区开采沉陷预计的改进BP神经网络模型

为精确预计锦界矿某工作面开采沉陷,首先结合该工作面的地质资料、采掘工作平面图及孔柱状图,采用FLAC3D软件建立了该工作面开采沉陷仿真模型,得到工作面推进100、300、500、700 m时的开采沉陷数据;其次基于该类数据对BP神经网络预计模型进行训练和验证,建立沉陷数据与工作面推进距离的非线性关联;然后用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络模型的结构参数和连接权值阈值进行优化,并引入遗传算法(Genetic algorithm,GA)中的自适应变异因子以一定概率初始化部分变量,以解决PSO算法易陷入局部最优解的问题,避免BP神经网络模型易陷入局部最小值、训练收敛速率低以及PSO算法易早熟收敛等问题。分别采用BP神经网络模型、PSO-BP神经网络模型以及所提模型进行试验对比,并引入偏差平方和(Sum of squares for total,SST)对各模型的预计精度进行评价,研究表明:在工作面分别推进100,300,500 m的情况下,BP神经网络模型的SST值分别为0.056,0.062,0.066,PSO-BP神经网络模型的SST值分别为0.049,0.054,0.048,所提模型的SST值分别为0.028,0.026,0.031,明显小于前两者,表明该模型有助于提高矿区开采沉陷预计精度,有一定的实用价值。