地下金属矿山采矿成本预测模型
Metal Mine(2022)
摘要
为了解决现代矿山采矿成本的核心构成发生变化、成本管控难度增加等问题,深入剖析了采矿成本的关键影响因素,基于PCA-BP神经网络构建了成本预测模型,形成了适用于现代矿山的成本核算方法.针对机械化开采、开采深度增加、工况条件差异所带来的采矿成本变化,分析了现代矿山企业采矿作业成本的构成特点,以此为基础运用作业成本法精细化核算各个采矿作业单元的成本费用.总结成本变化规律发现,采矿成本主要受到采场作业空间大小、温度、深度、运输距离以及工人工作效率、工人工作经验、设备铲运效率、设备服务年限、燃油消耗率、油料消耗率10个关键因素影响,在采用主成分分析法对影响因素进行降维后,提取主成分作为成本预测变量,运用PCA-BP神经网络构建了成本预测模型.采用山东某地下金属矿山的成本数据对该模型进行了训练和验证,预测值与实际值的平均相对误差为3.80%.研究表明:所建模型的预测结果可靠、精度满足要求,可以为现代矿山企业作业成本控制、成本计划制定提供依据.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要