基于BP神经网络的机械运输设备管理与回报率分析

摘要

基于中冶宝钢某厂的24个月的机械运输设备运行数据,首先利用单层隐含层的B P神经网络预测下月回报率,提出了对模型的输入层、隐含层及其节点数的改进方案,保证模型拟合程度高的同时也确保训练的高效和快速收敛.经过改进模型的训练,仅用了150次左右的训练就达到期望误差0.0005.将影响回报率的设备,选取数据进一步筛选,并利用MATLAB进行占比分析,使工程设备的回报率逐年上升.结合运输设备回报率的波动性,解决高利用高风险率机械运输设备的设定标准,通过双高设备出现问题的因素分析提出以"检"代"修"、以"修"代"换"的机械设备管理要求.