教育部人文社会科学研究基金(11YJCZH057)
- 作品数：3 被引量：7H指数：2
- 相关作者：贺勇廖诺马爱文莫赞更多>>
- 相关机构：广东工业大学更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金更多>>
- 相关领域：经济管理自然科学总论更多>>
- 基于DEA和ANN的我国各地区工业能源效率及其影响因素分析被引量：3
- 2016年
- 采用DEA方法测算了2005-2012年我国大陆30个地区工业能源利用效率的平均水平,通过相关分析确定能源效率的影响因素,并运用多层感知器神经网络模型对工业能源效率的影响因素进行重要性分析.结果显示:1)除少数省份能源得到充分有效利用外,其余省份都存在能源投入的冗余,特别是中西部地区的投入冗余量较多,其节能潜力较大;2)技术水平、研发强度、劳动生产率、国有化程度、市场开放程度对能源效率有显著影响,产业结构和工业企业平均规模无显著影响;3)按照对能源效率的影响程度排序,依次是市场开放程度、技术水平、研发强度、劳动生产率、国有化程度.
- 贺勇马爱文
- 关键词：影响因素DEA神经网络
- 基于PSO和ANN的采选品位智能约束优化被引量：3
- 2014年
- 根据铁矿采选生产过程,建立了以经济效益为目标函数,资源利用率和精矿产量为约束条件,截止品位和入选品位为决策变量的非线性约束优化模型,将粒子群算法和神经网络集成构成PSO-ANN算法来搜索最优品位组合。PSO-ANN算法包括内外两层：外层采用PSO作为搜索算法,采用基于可行性规则的约束处理技术,更新粒子群个体最优位置和全局最优位置,引导粒子朝最优解方向进行搜索;内层是REG模型、BP神经网络及RBF网络,实现粒子（截止品位和入选品位）到损失率、选矿金属回收率和采选成本之间的映射关系,进而计算资源利用率、精矿总量和净收益。以大冶铁矿为例,研究表明：2008-01~06,最优截止品位为17.5%,入选品位为45.4%,与现行方案相比,其资源利用率提高2%,精矿量增加1.34万t,总现值增加1 125万元。该方法为金属铁矿的品位优化提供了一个全新的思路,具有广泛的应用前景。
- 贺勇廖诺莫赞
- 关键词：粒子群算法人工神经网络
- 资源利用与能耗约束下铁矿采选品位的智能优化被引量：1
- 2016年
- 集成非线性目标规划模型与差分进化(DE)及神经网络(ANN)等智能算法,提出了资源利用和节能降耗约束下铁矿采选生产品位的动态优化方法。首先建立以截止品位和入选品位为决策变量,精矿产量、资源利用率、总用电量以及经济效益为目标约束的非线性目标规划模型,模型中包括损失率、选矿金属回收率和采选成本三个非线性函数;然后将所构建的非线性目标规划模型转化成无约束优化问题,将DE的高效寻优能力和ANN的建模功能相结合,构成DE-ANN算法来搜索最优采选品位组合;最后以D铁矿为例进行研究,结果表明了所提出方法的有效性。该方法综合考虑了资源利用、节能降耗等因素,为新时期铁矿的采选品位优化提供了科学可行的思路。
- 贺勇廖诺
- 关键词：非线性目标规划资源利用能耗
