基于ARMA-BP组合模型的装备故障率预测方法

为解决单一模型预测装备故障率预测误差大、精度低的问题,提出了一种基于ARMA-BP组合模型的装备故障率预测方法.在建立ARMA模型和BP神经网络模型的基础上,采用加法集成法建立ARMA-BP组合预测模型,并利用方差倒数法确定ARMA模型和BP神经网络模型的权重系数.以某型装甲装备故障率数据为研究对象,对比ARMA模型、BP神经网络模型和ARMA-BP组合模型故障率预测结果,表明:相比于单一预测模型,ARMA-BP组合模型的装备故障率预测结果精度更高.     

地空导弹发控系统寿命预测的组合模型

将灰色系统理论和BP神经网络有效地结合起来,建立了灰色BP神经网络的组合预测模型,并采用遗传算法对该模型进行优化。为了验证优化后模型的有效性,采用灰色BP神经网络的预测结果进行对比分析。实际数据的预测结果表明,优化之后的模型比单独采用灰色BP神经网络,具有更小的均方差(MSE,Mean Square Error),对发控系统剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度。     

基于LSSVM与WNN的燃气轮机状态趋势预测

为了对燃气轮机未来状态趋势进行预测,提出基于最小二乘支持向量机(LSSVM)与小波神经网络(WNN)组合的燃气轮机状态趋势预测方法,把最小二乘支持向量机的预测结果分为两部分,将实际参数数据与前一部分的预测结果计算残差,然后利用小波神经网络对残差进行预测,再将预测的残差与最小二乘支持向量机的预测结果的后一部分进行合成,将合成的结果作为最小二乘支持向量机-小波预测模型的预测结果。结合某型燃气轮机进行试验验证,验证结果表明,组合的最小二乘支持向量机与小波神经网络预测模型预测效果更好,预测结果相对误差为0.12%。     

基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题.应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法.     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

装甲装备周转备件需求最优组合预测

针对单项统计预测模型存在的不足,提出采用组合预测方法进行周转备件需求预测的观点,并建立了周转备件需求最优组合预测模型。首先,介绍了组合预测的基本原理和常用的周转备件单项预测方法。在综合权衡预测结果精度和稳健性的前提下,建立了基于预测误差绝对值和最小的周转备件最优组合预测模型,并给出了确定各加权系数和预测评价效果的方法。最后,结合案例验证了该组合预测方法的有效性和优越性。     

灰色-马尔科夫模型在机场道面使用性能预测中的应用

介绍利用灰色-马尔科夫模型对机场道面使用性能进行预测的基本方法和具体步骤,并给出了工程实例.应用分析表明,该方法能够充分利用机场道面使用中各段历史数据,较好地对机场道面使用性能进行预测,且预测结果比单纯的灰色模型有更高的精度.     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

柴油机磨损寿命的灰色马尔柯夫模型预测

基于灰色系统理论,将灰色ＧＭ（１,１）预测模型和马尔柯夫预测模型的优点结合起来,形成一个灰色马尔柯夫预测模型,拓宽了灰色预测的应用范围。特别地,这种模型的预测结果比其它随机波动性较大的数据到模型的预测结果精确得多。对柴油机磨损寿命进行预测,取得了令人满意的结果。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。     

神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

BP网络在火灾形势预测中的应用

分析将BP网络应用于火灾预测研究的可行性与优势 ,并将神经网络与时间序列分析相结合 ,对火灾形势预测进行探讨     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析的传感器故障诊断方法.该方法充分利用控制系统闭环回路测控信息,建立RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...