期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于BP_GA的企业新产品成本预测
被引量:
2
下载PDF
职称材料
导出
摘要
在分析现有成本预测方法缺陷的基础上,给出了一种基于BP_GA的新产品成本预测方法,计算机仿真和企业实证研究表明,这种方法有一定的实用价值.
作者
张利华
章丽萍
机构地区
华东交通大学
出处
《商场现代化》
北大核心
2005年第05X期213-213,共1页
基金
江西省人文社会科学规划项目,华东交通大学校科研和教改项目
关键词
成本预测
人工神经元网络
遗传算法
融合算法
分类号
F224 [经济管理—国民经济]
引文网络
相关文献
节点文献
二级参考文献
12
参考文献
3
共引文献
136
同被引文献
15
引证文献
2
二级引证文献
13
参考文献
3
1
陈国良 王熙法 庄镇泉 王东生.遗传算法及其应用[M].北京:人民邮电出版社,1999..
2
胥悦红,顾培亮.
基于BP神经网络的产品成本预测[J]
.管理工程学报,2000,14(4):61-64.
被引量:39
3
刘铭,赵保军,杨建军,刘毅静,张敬伟.
基于GA和BP融合算法的装备费用估算方法[J]
.系统工程与电子技术,2002,24(2):62-65.
被引量:8
二级参考文献
12
1
焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1992..
2
陈国良 王煦法 等.遗传算法及其应用[M].北京:人民邮电出版社,1999,5.433.
3
Zhang Y F,Computers Eng,1998年,34卷,2期,433页
4
张际先,神经网络及其在工程中的应用,1996年,42页
5
王又庄,工业企业成本预测,1995年,47页
6
胡守仁,神经网络导论,1995年,33页
7
程相君,神经网络原理及其应用,1995年,27页
8
王又庄,现代成本管理,1995年,63页
9
焦李成,神经网络的应用与实现,1993年,37页
10
刘增良,因素神经网络理论及实现策略研究,1992年,5页
共引文献
136
1
赵曙光,王宇平,杨万海,焦李成.
基于多目标自适应遗传算法的逻辑电路门级进化方法[J]
.计算机辅助设计与图形学学报,2004,16(4):402-406.
被引量:10
2
贾雪.
基于BP神经网络模型的物流服务定价策略[J]
.商业文化(学术版),2009,0(10):277-277.
3
陶海红,王伶,廖桂生.
基于遗传算法的最优参差码搜索[J]
.系统工程与电子技术,2004,26(6):711-713.
被引量:7
4
邹彤,李宁,孙德宝,李菁.
多车场车辆路径问题的遗传算法[J]
.计算机工程与应用,2004,40(21):82-83.
被引量:33
5
朱娅妮,黎明,杨焱.
具有年龄结构的遗传算法[J]
.计算机仿真,2004,21(6):127-130.
被引量:2
6
邹谊,庄镇泉,杨俊安.
基于遗传算法的嵌入式系统软硬件划分算法[J]
.中国科学技术大学学报,2004,34(6):724-731.
被引量:14
7
于江,陶海红,廖桂生.
基于ICGA的星载天线自适应调零算法[J]
.电波科学学报,2005,20(1):110-114.
8
周骞,杨东援.
基于多相关因素的汽车保有量预测神经网络方法[J]
.公路交通科技,2001,18(6):126-129.
被引量:18
9
范洁,刘玉树,龚元明,陈云飞.
基于混合蚁群算法的WTA问题求解[J]
.计算机工程与应用,2005,41(10):59-61.
被引量:12
10
孙燮华.
用模拟退火算法解旅行商问题[J]
.中国计量学院学报,2005,16(1):66-71.
被引量:6
同被引文献
15
1
胡月亭,孟凡华,周煜辉.
水平井钻井费用预测方法研究[J]
.石油钻探技术,1994,22(3):4-6.
被引量:4
2
李洪乾,韩来聚,杲传良,于文平.
预测探井和开发井钻井成本[J]
.钻采工艺,1995,18(4):17-19.
被引量:1
3
彭远进,刘建仪,王仲林,孙玉凯,杨凯雷,刘滨.
注气混相驱中水气切换问题实验研究[J]
.天然气工业,2005,25(9):86-88.
被引量:12
4
赵波,边馥苓,潘蜀健,陈琳,陈德豪.
基于神经网络的GIS空间数学模型研究[J]
.计算机工程与应用,2006,42(13):197-199.
被引量:4
5
樊明武,李志学,冯力丹.
油气钻井作业成本动因实证研究[J]
.西南石油大学学报(自然科学版),2007,29(1):113-117.
被引量:9
6
李曾任.人工神经元网络及其应用[M].北京:清华大学出版社,1999:23~89.
7
李中亚,韩家新,杜美华.
学习矢量量化网络在油藏描述中的应用[J]
.特种油气藏,2007,14(5):32-34.
被引量:3
8
王涛,姚约东,李相方,李虎,石俊芳,杨祝华.
二氧化碳驱油效果影响因素与分析[J]
.中国石油和化工,2008(24):30-33.
被引量:18
9
高慧梅,何应付,周锡生.
注二氧化碳提高原油采收率技术研究进展[J]
.特种油气藏,2009,16(1):6-12.
被引量:130
10
王涛,姚约东,朱黎明,傅礼兵.
Box-Behnken法研究二氧化碳驱油效果影响因素[J]
.断块油气田,2010,17(4):451-454.
被引量:16
引证文献
2
1
刘天时,赵越,马刚.
基于BP神经网络的油气钻井成本预测[J]
.西安石油大学学报(自然科学版),2010,25(1):87-90.
被引量:9
2
王涛.
人工神经网络在CO_2驱采收率预测中的应用[J]
.特种油气藏,2011,18(4):77-79.
被引量:4
二级引证文献
13
1
易成高,陈荣,何媛媛,米祥冉,雷奕.
陆地及海洋油气田钻井投资指数预测方法研究[J]
.内蒙古石油化工,2021,47(3):94-97.
被引量:1
2
赵俊平,王立苹.
基于AHP的石油钻井成本风险因素分析研究[J]
.科学技术与工程,2011,11(27):6779-6783.
被引量:3
3
潘华贤.
融合DE与ELM方法的油气钻井成本预测[J]
.电脑知识与技术,2013,9(9):5794-5796.
被引量:1
4
周敏,张力,蒋国章,江志刚.
基于CBR技术与BP神经网络的产品成本估算[J]
.现代制造工程,2014(3):27-30.
被引量:2
5
王杰祥,陈征,靖伟,陆国琛,牛志伟.
基于支持向量机的二氧化碳非混相驱效果预测[J]
.石油钻探技术,2015,43(2):84-89.
被引量:5
6
杨刚,王建民.
基于GRA-GSBP选矿成本预测的研究[J]
.中国钨业,2017,32(3):71-78.
被引量:2
7
丁丹红,黄伟和,周英操,司光,陈毓云.
油气钻井工程经济学探讨[J]
.价值工程,2017,36(28):10-13.
被引量:3
8
申静波,闫铁,李井辉,孙丽娜.
基于改进BP算法的摩阻因数预测方法研究[J]
.计算机技术与发展,2018,28(1):164-168.
被引量:3
9
张传宝.
低渗透油藏CO_(2)驱采收率评价理论模型[J]
.油气地质与采收率,2021,28(4):131-139.
被引量:4
10
李伟,唐放,侯博恒,钱银,崔传智,陆水青山,吴忠维.
基于神经网络的南海东部砂岩油藏采收率预测方法[J]
.油气藏评价与开发,2021,11(5):730-735.
被引量:14
1
王威,高长元,郭琛.
人工神经元网络在高技术产业国际竞争力评价中的应用[J]
.哈尔滨理工大学学报,2003,8(5):117-120.
被引量:2
2
康丹,梁婧.
浅谈成本预测方法[J]
.消费导刊,2015,0(6):146-146.
3
张莹.
建筑企业成本预测方法及控制的相关分析[J]
.中国经贸,2016,0(18):267-268.
4
唐杰斌,周渝慧,陈向婷,郭昱霄,段炜.
基于遗传算法与蚁群算法的电网规划[J]
.电力需求侧管理,2011,13(2):12-15.
被引量:4
5
李静,贾利民.
数据融合综述[J]
.交通标准化,2007,35(9):192-195.
被引量:17
6
张心源,邱均平.
大数据环境下的知识融合框架研究[J]
.图书馆学研究,2016(8):66-70.
被引量:18
7
纪成君,刘宏超.
The applying of BP network in forecasting the demand and its growth rate for coal[J]
.Journal of Coal Science & Engineering(China),2001,7(1):102-107.
被引量:4
8
行业期刊[J]
.中国石油企业,2004(6):119-119.
9
章厚庆.
工程量清单计价模式下成本预测方法探讨[J]
.铁路工程造价管理,2006,21(2):17-19.
10
田志龙,蔡希贤.
汽车制造成本预测方法和模型研究[J]
.管理工程学报,1995,9(A01):27-32.
被引量:1
商场现代化
2005年 第05X期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部