为了对煤炭企业物流成本进行有效的预测,首先分析了煤炭企业物流成本的影响因素,然后分别采用PSO-BP网络和BP网络对煤炭企业物流成本进行了预测,并对试验结果进行了对比分析,结果表明,PSO算法优化的BP神经网络,其收敛速度和预测精度都明显高于传统的BP网络。PSO-BP方法对煤炭企业物流成本的预测具有一定的参考价值和指导意义。
2024-01-10 01:21:46
885KB
1
基于岭回归机器学习算法的项目成本预测研究——以A风景园林规划研究院规划设计项目为例.pdf
2021-09-25 17:02:31
1.16MB
为提高最小二乘支持向量机(LSSVM)预测模型的精度,准确预测煤炭开采成本.利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找LSSVM最优的惩罚因子r和高斯核函数的半径σ,提出一种IAPSO-LSSVM预测算法.在分析影响煤炭开采成本的空间因素、时间因素和定性因素的基础上,构建基于IAPSO-LSSVM的煤炭开采成本预测模型,并以TF煤业集团数据进行仿真实验.结果表明:与LSSVM、PSO-LSSVM算法相比,该模型预测效果更好.
2021-08-13 14:32:30
938KB
1
基于SSM框架，使用java和mysql数据库和html写成的系统（关于数据库需要修改的地方已经在说明文档中写好了），相对基础，新手可以参考参考！
2019-12-21 20:48:08
447KB
1