基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

IIFLNs-AHP及其在煤矿安全状况评价中的应用

为了评价煤矿的安全现状,同时实现对各类安全隐患的排查,构建了基于层次分析法(AHP) 耦合区间直觉模糊语言数（IIFLNs）进行计算的IIFLNs-AHP评价模型。首先提出了区间直觉模糊语言关联混合几何 (R-IIFLNHG)算子,并由其算出评价权重向量;其次结合层次分析法（AHP）运用提出的权重聚合计算公式来确定各层次指标重要程度,并对指标进行排序。以某煤矿为例,运用IIFLNs-AHP进行计算,同时根据计算结果找到了隐含的各类安全隐患,其计算分析结果与现场情况及前人研究结论基本一致,从而验证了IIFLNs-AHP的正确性。结果表明,IIFLNs-AHP能够较好地对煤矿各类安全评价指标进行排序,有助于确定指标体系中的薄弱环节,并可据此实现对安全管理有针对性的改进与完善。