基于BP神经网络的机械运输设备管理与回报率分析
2019-10-12张雯莹张云龙
应用技术学报 2019年3期
张 鑫,张雯莹,张云龙,陈 宁
(1.上海应用技术大学 理学院,上海 201418;2.宝山钢铁股份有限公司,上海 200941;3.中冶宝钢技术服务有限公司,上海 200941)
机械运输设备是工业生产的重要组成要素,是施工企业从事经营、活动等的主要工具,是企业生存和发展中必不可少的基础部分。无论从企业竞争力还是从企业资产占有率的角度来看,机械运输设备对于整个施工企业都具有十分重要的作用,企业能否有效地管理机械运输设备,直接关系到施工生产能否顺利进行。机械运输设备的管理已成为当前企业发展的关键因素之一,管理好机械运输设备、提高机械运输设备的管理水平和提高管理设备人员的水平这3个方面对促进企业发展有着重要意义[1-6]。但在企业的实际生产过程中,现有机械运输设备的管理水平仍有很大提升空间。
神经网络可以对现有数据进行分析并预测其可能的发展。臧其事[7]提出网络预测模型,结合反向传播网络,对有时间序列的数据进行模拟训练得到某种非线性的函数关系,经过实验证明,神经网络预测的预测精度远远高于常规经济学法。Jia等[8]指出传统的反向传播(BP)神经网络用于解决高维和大量样本数据问题时,会出现一系列的问题,如网络结构冗余、学习效率低、存储空间占用、计算时间消耗等,应采用偏最小二乘(PLS)算法作为BP神经网络的输入从而加快收敛速度,提高训练速度和运算效率。李萍等[9]利用MATLAB设计神经网络预测系统,并对所设计的预测系统进行了性能评价。……
登录APP查看全文
