E0煤炭企业实施ERP存在的问题及解决对策

基于云计算的煤炭企业信息化体系建设

化石能源-煤炭行业2021年业绩前瞻：业绩有望创新高，2022高景气或延续.pdf

化石能源-煤炭行业周观点：动力煤价再度上涨，助推板块反弹行情.pdf

化石能源-煤炭行业周观点：煤价及业绩强势，板块估值修复或继续推进.pdf

针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。

构建了含有资源、经济与环境在内的煤炭产业效率评价指标体系，利用超效率SBM和Malmquist模型对20个煤炭资源型省份的面板数据进行横向和纵向、静态和动态的分析。研究发现：超效率SBM分析结果的纵向对比显示产业效率整体呈上升趋势，横向对比发现20个省份在研究期间的产业效率表现出显著的区域差异性。Malmquist动态分析显示效率提高主要依赖技术进步，纯技术效率和规模效率未发挥作用，表明产业规模与组织管理水平配置还需提升；横向对比显示各个省份之间的效率值存在较大差异且均存在不同程度的波动，整体来看，TFP小于1的省份主要归因于其技术效率的严重落后，须意识到技术进步对煤炭产业发展的重要性，加大相关技术的研发力度，注重技术效率的缺陷，提高技术水平。

煤炭地质强度因子（GSI）是煤矿工程中一个重要参数，反映了煤体强度的稳定性。使用Android Studio软件开发设计了基于Android手机平台的煤炭地质强度因子（GSI）检测系统、将煤炭样本制成相应规格的煤心后，通过手机拍照或相册获取煤炭图片，然后对其进行图像处理后得到煤炭裂隙图，再根据分形维数对煤炭裂隙图进行处理即可计算出GSI数值，并能即时显示检测结果。利用Java语言和OpenCV计算机视觉库在Android手机上实现煤炭GSI图像处理与检测。结果表明：通过该系统获得的GSI数值与实际数值具有线性拟合关系且误差较小，检测时间小于5 s，大幅缩短了GSI数值确定的时间，减少传统人工测定产生的差异，对煤矿勘探和开采具有一定的实际应用价值。

基于我国2008—2017年的季度时间序列数据,采用向量自回归模型,进行格兰杰因果关系检验、脉冲响应函数和方差分解来探讨煤价涨跌对总体物价水平的不对称效应。结果显示,煤价下跌比上涨会更为显著地影响通货膨胀。此外,随着PPI到CPI的过度,通货膨胀的影响力在后期将会减弱,这也证实了PPI对煤价震荡的反应比CPI更为敏感。针对如何避免煤价震荡对总体物价水平造成的极度波动提出对策建议。

文中,首先对ERP理论进行了概述,在此基础上重点对煤炭型企业决策支持系统技术进行了介绍分析,并以销售决策支持系统的应用为例进行了案例分析,以期对现代煤炭型企业决策支持系统的应用有所借鉴。