基于不同函数的质量成本数学模型评析

阐述传统质量成本理论模型的形成及其存在问题,对基于田口损失函数、K.K.Govil函数、指数函数、Cobb-Douglas生产函数建立的不同质量成本模型的评析,解释了各个模型的优缺点及在实际应用中存在的问题,通过模型间的比较,建立一个新的质量成本模型选择表,为企业根据自身的情况选择最适宜的质量成本数学模型提供科学的方法。     

非线性规划模型确定最佳质量成本的研究

本文在介绍最佳质量成本之后,首次提出了用非线性规划模型确定最佳质量成本的基本思想。并应用于一施工企业。计算结果表明该企业应通过增加鉴定成本的投入去降低故障成本,进而达到质量成本的最佳。     

公交企业双目标激励模型

以降低公交企业运营成本和提高其服务水平为目标,以标准成本和最低服务水平为标杆,基于委托-代理理论,改进了政府补贴激励合同,构建了改进的委托-代理激励模型。通过实例验证了该模型的实用性。研究结果为政府对公交企业进行激励和完善财政补贴机制提供了理论依据。     

基于供应链的建筑业企业库存成本控制模型

基于供应链管理的思想,结合建筑业企业生产施工的特点,考虑材料库存管理过程中受采购、运输、生产消耗的约束,建立了库存管理优化模型。最后,通过一个施工项目的物资订购方案的确定,说明该模型如何应用,并证实了该模型在实现建筑业企业库存成本最优化控制方面具有很强的实用价值。     

数字化转型、信息透明度与权益资本成本

本研究基于2009年至2021年中国上市公司数据,实证分析数字化转型对企业权益资本成本的影响。通过实证分析研究发现,企业数字化转型能够显著降低权益资本成本。进一步分析发现,信息透明度在企业数字化转型与权益资本成本之间起部分中介效应。通过研究数字化转型与权益资本成本的作用机制,为企业治理与合理配置资源提供借鉴。     

基于供应链的建筑业企业库存成本控制模型

基于供应链管理的思想，结合建筑业企业生产施工的特点，考虑材料库存管理过程中受采购、运输、生产消耗的约束，建立了库存管理优化模型。最后，通过一个施工项目的物资订购方案的确定，说明该模型如何应用，并证实了该模型在实现建筑业企业库存成本最优化控制方面具有很强的实用价值。     

复杂系统的成本效率模型及其有效性分析

针对石油企业的经济效益问题，从整体成本效率出发，综合考虑了在多输出多输入的复杂系统中与成本效益相关的各要素，给出了复杂系统的成本效率DEA模型，研究并证明了其相对有效性和性质定理．通过求解成本效率DEA模型，可直接分析输入输出因素对决策单元成本的影响，为企业降低成本、提高收益提供最优决策方案，文中还利用该模型对各油田经济效率进行了综合评价，用实例证明了其可行性．     

基于现代价值链理论的成本管理

基于价值链理论和成本管理,以农牧企业新希望集团为例,探讨该企业基于现代价值链理论的战略成本管理,分析新希望集团内、外部价值链成本管理,指出外部价值链是新希望集团成本管控的核心,并综合运用层次分析法,确认外部价值链管理客户,通过成本指标对比,提出成本管理目标.     

基于最小二乘支持向量机的军用软件开发成本测算研究

利用最小二乘支持向量机（least squares support vector ma-chines,LS-SVM）适用于小样本预测的优势,将该方法运用到军用软件开发成本测算领域,建立了基于LS-SVM的军用软件开发成本测算模型并进行了实例分析。结果表明：在同样的样本数据条件下,该模型有效提高了测算精度,为军用软件早期开发的成本测算提供了新的有效方法。     

基于目标成本分解的成本企画优化模型研究

针对成本企画目标成本分解传统方法的不足，结合现代设计的基本特征和要求，引入产品需求贡献度指标，对产品结构离散化后，通过构筑等差数列对目标成本进行离散变换，在“指派问题”模型的基础上提出基于产品设计过程的成本分解优化模型，实现产品功能、质量等市场需求指标和成本因素的全局均衡优化．最后给出了模型计算机求解的思路，并对模型进行了拓展．     

基于云隶属度支持向量机的舰船购置费时间序列预测

模糊支持向量机降低了传统支持向量机对异常点的敏感度,但其模糊隶属度函数对样本点的分类缺乏模糊性,影响舰船购置费预测的精度。因此,利用云理论能够科学表达模糊性的特点,设计了一种面向异常点模糊分类的云隶属度发生器;在支持向量机中引入这种云隶属度发生器,提出了一种基于云隶属度的支持向量机算法;构建了基于云隶属度支持向量机的舰船购置费时间序列预测模型。实验证明：该算法模糊地降低了模型对异常点的敏感度,并自适应地对支持向量约束水平进行寻优,提高了舰船购置费预测的精度。     

支持向量机在混凝土强度预测中的应用研究

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法.文中提出了基于支持向量机的混凝土强度预测方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的混凝土强度预测模型.以实例数据为学习样本和测试样本讨论了基于支持向量机的混凝土强度预测方法及可行性.研究表明支持向量机可以较好地表达混凝土强度与其影响因素之间的非线性映射关系.用支持向量机来预测混凝土强度是可行的,它为预测混凝土强度提供了一种新的方法.     

一种利用多任务学习的短期住宅负荷预测方案

作为信息物理社会系统的一种具体形式,智能电网中的负荷预测,尤其是单个电力客户的短期负荷预测,在智能电力系统的规划和运营中将扮演越来越重要的角色.考虑到同一住宅小区用户之间的负荷行为的相似性,受多任务学习的启发,提出了一种基于多任务学习的有效住宅负荷预测方案.首先,利用K-means聚类技术和皮尔逊相关系数挑选出2个相似用户,进而将2个用户的负荷数据合并输入,并将双向长短时记忆网络作为共享层全面捕获2个用户数据之间的关系,然后送入2个全连接的任务相关的输出层.在真实的数据集上,将所提方案与几种典型的负荷预测方案进行全面比较.实验结果表明,与已有的深度学习预测方案相比,提出的多任务负荷预测方案提高了预测准确程度.     

基于混沌优化支持向量机的大坝安全监控预测

首先介绍了基于统计学习理论的一种新的机器学习技术——支持向量机(Support Vector Machine,SVM),并针对目前支持向量机参数选择时人为选择的盲目性,将具有良好优化性能的混沌优化(Chaos Optimi-zation)技术应用到支持向量机惩罚函数和核函数参数的优化,提出了混沌优化支持向量机(Chaos Optimization Support Vector Machine,COSVM)方法.根据丰满大坝1997-2004年的实际监测数据,建立了混沌优化支持向量机大坝安全监控预测模型,进行了与统计回归模型和BP神经网络模型的分析比较,结果表明,COSVM模型具有更高的预测精度,同时在较长时段的预测中,COSVM模型也表现出更好的泛化推广性能.     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

电价与负荷的相关性分析及其在电价预测中的应用

为解决传统电价预测模型需要对周末等电价波动较大预测日单独建模,以及模型不加区分地引入负荷因素影响预测精度的问题,提出了利用电价与负荷的相关系数判定是否将负荷因素引入粒子群-BP神经网络模型的新方法,将相关系数作为输入样本的阈值,判定是否在模型输入样本中引入负荷因素.在电价变化平稳、电价与负荷相关性较弱时,在电价预测模型中不引入负荷因素,解决了粒子群-BP神经网络模型由于非关联输入样本过多而影响学习效率、导致预测精度降低的问题.仿真结果表明,新的预测模型对电价相对平稳和波动较大的预测日预测精度明显提高,可用于电力市场的短期电价预测.     

一种基于补偿模糊神经网络的水质预测方法

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节.介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型.实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用.     

基于结构优化的RAN城市环境空气质量预测模型

根据城市空气质量随时间变化的特性,利用资源分配神经网络和隐层节点相关性剪枝方法,建立了一个结构简单、具有在线学习能力的空气质量预测模型。通过对网络模型的训练和测试,表明该模型不仅可降低网络结构的复杂度,而且可以得到比普通资源分配网络更精度的预测结果。     

隧道围岩变形预报的高斯过程机器学习模型

针对隧道围岩变形过程是一个高度复杂的非线性时间序列的问题,以隧道围岩变形历史资料作为知识源,通过构建围岩变形时间序列,采用高斯过程模型建立隧道围岩当前变形与历史变形的非线性映射关系,在此基础上分别提出了基于静态知识库与基于动态知识库的隧洞围岩变形预报的高斯过程模型。工程实例应用研究表明,围岩变形预报的高斯过程机器学习模型是可行的,无需建立复杂的岩体力学模型,根据历史实测资料就能够对隧道围岩变形做出合理预报,与基于静态知识库的高斯过程模型相比较,基于动态知识库的高斯过程模型的预报精度更高。     

Improved wavelet neural network combined with particle swarm optimization algorithm and its application

1 INTRODUCTIONFor the last decade ,the wavelet neural net-work ( WNN) method was noticed by many re-searchers[1 3].It has been widely appliedin variousaspects such as short term load forecasting[4 ,5].While ,it is prone to cause the curse of di mension-ality with the factors taken into consideration in-creasing , which becomes the bottleneckfor thei m-provement of its application[6 ,7].Inthis study ,a new methodfor opti mizingthestructure of wavelet networks was developed byadopting an p…