基于数据挖掘的煤炭企业物流成本预测研究——以内蒙古某煤炭企业为例

摘要

2009年以来，内蒙古地区煤炭储量和产量都居全国第一，“十二五规划”中，全区正在推进大型煤炭基地建设和提升煤炭企业现代化水平。而我国煤炭行业劳动效率和企业投入产出比远远低于发达国家。煤炭企业物流成本预测是煤炭企业物流成本综合管理与控制、规划和决策的基础。数据挖掘技术有利于煤炭企业预测和控制企业物流成本，进而提高企业效益。
　　论文以物流系统的思想为指导，以数据挖掘中的预测理论、现代物流理论为基础，对内蒙古煤炭企业物流成本的预测方法进行了深入的研究。通过分析煤炭企业物流管理的现状，确定煤炭企业物流成本的构成及影响因素，以数据挖掘的方法，利用回归分析、时间序列分析、神经网络模型以及灰色系统模型分别进行煤炭企业的物流成本预测，并取得了较好的效果。为煤炭企业物流成本的预测研究开拓了新的方法和技术途径。
　　论文首先简述了数据挖掘技术中不同的预测方法和原理。其次介绍了物流成本和预测原理以及煤炭企业物流的特点，基于GB/T20523-2006《企业物流成本构成与计算》，确定影响煤炭企业物流成本的因素。然后从选取的企业物流成本数据着手，应用数据挖掘技术的回归分析、时间序列分析、神经网络分析以及灰色系统，分别对煤炭企业物流成本进行预测。尽管各个预测技术的原理不同，但每个预测效果都很好。虽不能说哪个方法优劣，对于煤炭企业的物流成本管理，在条件允许的情况下，通过不同预测结果的比较，能得出更合理的预测数据。懂得“用数据说话”，进而认识到成本预测的重要性。论文最后是结论及相关建议。
　　随着企业物流成本管理意识的提高和数据挖掘技术的日渐成熟，加强对煤炭企业物流成本预测方法的研究，对提高我国煤炭企业物流成本预测水平和物流管理水平的提高，以及煤炭行业管理现代化和科学发展具有现实意义。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1研究背景与意义

1.2国内外的研究概况

1.3主要研究内容

2数据挖掘技术

2.1数据挖掘的相关概念

2.2数据挖掘的常用技术

2.3数据挖掘预测方法介绍

3物流成本管理及煤炭物流系统

3.1物流成本管理

3.2物流成本预测

3.3煤炭企业物流成本管理现状

3.4煤炭企业物流系统及特点

4煤炭企业物流成本预测

4.1数据收集

4.2回归分析预测

4.3时间序列预测

4.4神经网络预测

5灰色系统预测

5.1灰色系统模型

5.2灰色系统预测

5.3预测结果分析

结 论

参考文献

附录A 神经网络模型MATLAB编码

附录B 灰色预测模型MATLAB编码

在学研究成果

致谢