首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于PSO-SVR模型的原煤生产成本预测研究

摘要第1-6页
Abstract第6-11页
第1章 绪论第11-19页
   ·选题背景及意义第11-13页
     ·选题背景第11-12页
     ·选题意义第12-13页
   ·国内外研究现状第13-16页
     ·国外研究现状第13-14页
     ·国内研究现状第14-15页
     ·目前研究中存在的主要问题第15-16页
   ·研究内容与研究方法第16-18页
     ·研究内容第16-17页
     ·研究方法第17页
     ·技术路线第17-18页
   ·创新点第18-19页
第2章 原煤生产成本的理论基础第19-25页
   ·生产成本的基本概念第19-21页
     ·生产成本概述第19页
     ·生产成本的主要构成第19-20页
     ·降低原煤生产成本的必要性第20-21页
   ·煤炭企业原煤生产成本的特点第21-22页
     ·原材料不构成煤炭产品实体第21页
     ·原煤生产成本构成较复杂第21-22页
     ·自然条件影响较大第22页
     ·生产组织和成本管理较为复杂第22页
     ·掘进费和固定成本比例大第22页
   ·原煤生产成本主要构成第22-24页
     ·材料费第23页
     ·人工费第23页
     ·电费第23-24页
     ·折旧及修理费第24页
     ·其他费用支出第24页
   ·本章小结第24-25页
第3章 原煤生产成本指标体系构建第25-38页
   ·原煤生产成本影响因素分析第25-29页
     ·固有因素第25-26页
     ·政策与法律因素第26-27页
     ·技术工艺因素第27-28页
     ·经营管理因素第28页
     ·安全生产因素第28-29页
   ·原煤生产成本预测的原则第29-30页
     ·科学性原则第29页
     ·全面合理性原则第29页
     ·可行性原则第29-30页
     ·协调性原则第30页
     ·结合性原则第30页
   ·原煤生产成本预测中应注意的几个问题第30-31页
   ·指标体系的建立及量化第31-37页
     ·指标体系的建立第32页
     ·原煤生产成本管理水平指标量化第32-37页
     ·其他定性指标的量化第37页
   ·本章小结第37-38页
第4章 粒子群和支持向量回归机基本理论第38-63页
   ·统计学习理论第38-43页
     ·VC 维第38-39页
     ·经验风险最小化第39-40页
     ·结构风险最小化第40-43页
   ·支持向量回归机理论介绍第43-53页
     ·支持向量分类机第43-46页
     ·支持向量回归机理论第46-52页
     ·核函数第52-53页
   ·粒子群优化算法理论第53-57页
     ·粒子群算法的基本原理第54-55页
     ·粒子群算法的数学描述第55-56页
     ·粒子群算法的基本步骤和流程第56-57页
   ·粒子群-支持向量回归算法设计和实现第57-62页
     ·支持向量机应用的不足第57-58页
     ·粒子群-支持向量回归算法的基本思路第58-60页
     ·粒子群-支持向量回归算法预测模型的建立第60-62页
   ·本章小结第62-63页
第5章 煤炭企业原煤生产成本预测实例研究第63-78页
   ·支持向量工具箱介绍第63-66页
     ·MATLAB 软件介绍第63-64页
     ·Libsvm 工具箱在 MATLAB 中的安装过程第64-66页
   ·数据收集及整理第66-71页
     ·河北省磁县六合工业有限公司概况第66页
     ·指标数据的获取第66页
     ·指标数据的预处理第66-71页
   ·模型预测过程及对比分析第71-76页
     ·交叉验证优化参数的支持向量回归预测第71-73页
     ·遗传算法优化参数的支持向量回归预测第73-74页
     ·粒子群优化参数的支持向量回归预测第74-76页
   ·结果分析第76-77页
   ·本章小结第77-78页
结论与展望第78-79页
参考文献第79-83页
附录第83-87页
致谢第87-88页
作者简介第88-89页
攻读硕士学位期间发表的论文和科研成果第89-90页

论文共90页,点击 下载论文
上一篇:煤矿矿工违章行为管理对策研究
下一篇:薛村矿双向大倾角煤层放顶煤开采关键技术研究与应用