基于改进Elman神经网络的电子元件性能预测

为提高传统Elman神经网络的动态性能,通过增加输出层与承接层之间的反馈环节,提出了一种新的改进的Elman神经网络模型,利用梯度下降原理对其学习算法进行了推导。同时引入附加动量和变学习率算法,建立了基于改进Elman神经网络的预测方法,并将其应用于电子元件性能参数的预测中。仿真实验证明,相比于BP和传统Elman神经网络,改进后的Elman神经网络训练速率快,预测精度高,具有良好的动态性能。由此可见,改进的Elman神经网络模型在对具有非线性时序特征参数的预测中,具有良好的应用前景。     

基于Elman网络的火控系统传感器故障诊断方法研究

Elman动态递归神经网络具有很强的记忆能力,特别适用于火控系统传感器的故障诊断.提出了一种收敛速度快、精度高、可靠性好的PRP(Polak-Ribiere-Polyak)网络训练方法,增强网络在线学习能力.将该方法运用于Elman动态递归神经网络,并运用该网络对火控系统传感器量测信号进行预测和故障诊断.仿真实验和实际应用表明,提出的Elman动态递归神经网络火控系统传感器系统故障诊断方法有效性好,故障诊断率高.     

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。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

基于灰色马尔科夫理论的体能训练效果预测与评价模型

将灰色理论与马尔科夫理论相结合,建立了灰色马尔科夫体能训练效果预测与评价模型,可以反映数据序列的发展趋势,还可缩小预测区间的范围。采用静态与动态相结合的方法,对某学员队五公里武装越野的训练成绩进行评价分析,结果证明灰色马尔科夫预测模型精度高于初级灰色预测模型。     

基于贝叶斯正则化的Elman-NARX神经网络飞行轨迹预测

针对BP和Elman神经网络对预测飞行轨迹误差较大和时间较长的问题,提出了一种基于贝叶斯正则化的Elman-NARX神经网络方法。分析了飞行员的操纵量,确定网络的输入。然后改进NARX神经网络结构,提高了网络的非线性和动态性,同时采用贝叶斯正则化算法训练网络,改善网络的收敛时间和泛化能力。最后,基于BP神经网络、Elman神经网络和Elman-NARX神经网络等方法的飞行轨迹预测对比实验结果表明,该方法的预测精度和速度较高,具有实际应用价值。     

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D-S理论的神经网络作战效能预测方法

提出一种基于D-S理论的神经网络预测方法,采用改进的证据理论对作战效能预测指标体系进行优化选取,降低了由于预测指标体系的模糊性和不确定性造成误差;在此基础上,建立基于Elman网络的作战效能预测模型,通过对作战效能的预测仿真及测试,验证了该方法的可行性和优越性。     

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。     

任务驱动下航材需求量的GA-GM-BP预测

机务保障影响着航空装备战斗力的生成,机务保障资源是任务成功率的物质支撑.基于航材需求信息的灰色性,通过采用DEMATEL方法提取影响航空备件需求量的关键影响因素,采用遗传算法优化的灰色神经网络对需求量进行了仿真预测,其预测精度较BP神经网络和灰色神经网络都高.该方法对于其他航空机务保障资源的需求预测有借鉴意义.     

基于GreyNN模型的无人机需求预测研究

针对无人机（unmanned aerial vehicle,UAV）需求预测问题,建立了灰色神经网络（grey neural network,GreyNN）模型,基于GreyNN模型对无人机需求进行预测。仿真实验结果表明,在小样本贫信息情况下,GreyNN比单一BP神经网络模型和灰色预测（grey prediction）模型预测效果更好,实验验证了方法的可行性。     

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。     

地面防空作战中敌空袭规模预测模型

地面防空作战中,为有效地实现资源的优化配置,达到量敌用兵的目的,有必要对敌空袭规模进行预测.在遗传算法与BP神经网络结构模型相结合的基础上,利用遗传算法训练并优化神经网络权重,并对敌空袭规模进行预测.同时与BP算法和灰色系统理论模型进行了比较,经实例检验,计算结果与战场统计结果接近,并优于BP算法和灰色理论模型,具有良好的预测效果.     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。     

对机动目标的滤波问题和灰色预测

叙述了火控系统中滤波的几种方法,分析了滤波中所存在的问题,并应用灰色系统理论对机动目标进行预测,讨论了火控灰色预测的特点。     

基于改进Elman神经网络的SINS动基座传递对准研究

在运用Kalman滤波进行SINS动基座传递对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于改进Elman神经网络的SINS动基座传递对准方法.首先通过增加输出层节点的反馈来改进普通的Elman神经网络模型,其次采用强跟踪滤波器对改进Elman神经网络进行训练.利用仿真数据对该算法进行验证,结果表明,该算法能够克服Kalman滤波的缺陷,提高传递对准精度达100%～150%.     

初始保障期内装备维修器材保障决策方法

为解决新服役装备在初始保障期内维修器材保障方案决策问题,分析了两级装备保障体制下维修器材的流动情况。利用贝叶斯估计理论,根据固定时间间隔期内最小顺序统计量与失效数的预测下限来确定服从威布尔分布的装备单元故障时间和故障数量。最后通过实例表明,与支持向量机、灰色神经网络和ARMA等预测模型相比,所建方法能够获得更佳的预测结果。     

基于改进极值理论的装备维修器材间断性消耗预测方法

针对装备维修器材消耗呈现间断性的特点,提出了基于改进极值理论(Extreme Value Theory,EVT)的维修器材消耗预测方法。首先,依据维修器材前期的消耗特征建模估计极值指数,计算间断区间上维修器材的消耗量,实现最大限度地利用有限数据预测维修器材消耗量的目的;然后,通过实例将改进EVT方法、支持向量机、自回归移动平均(Auto Regression Moving Average,ARMA)、灰色神经网络4种预测方法的预测结果进行比较,结果表明:改进EVT方法具有更好的预测结果。     

基于灰色Verhulst优化模型的装备研制费用高精度预测

针对装备寿命周期费用中研制费用的高精度预测问题,提出了一种灰色Verhulst优化模型。首先提出了对灰色Verhulst模型参数进行优化的数学规划模型,然后介绍了应用模拟退火算法求解该Verhulst模型,最后结合实例对鱼雷研制费用进行了建模,并进行了模拟有效性比较与分析。理论分析和仿真计算结果均表明,所提优化模型具有更高的模拟和预测精度,且模拟序列与原始序列具有更大的灰色关联度。     

军用飞机采购价格预测研究

分析了我国军用飞机价格预测中存在的困难,从我国国情出发,提出了我国军用飞机价格预测的两种方法:根据制造成本和期间费用预测价格方法与相似飞机预测价格方法.相似飞机预测法是指采用偏最小二乘回归、神经网络或灰色理论等方法,根据相似飞机的性能与价格数据建立价格预测模型,实例表明,相似飞机价格预测法具有较高的精度.