一种航天试验装备备件需求组合预测模型

为适应高密度任务条件下航天试验任务对航天试验装备备件精确化保障的要求,提高备件保障的质量效益,运用组合预测的思想,在优选和改进单项预测模型的基础上,从实际值和预测值之间的相关性指标出发,结合信息集结算子动态赋权,提出一种航天试验装备备件需求组合预测模型。以5个典型误差指标对实验结果进行比较分析,该组合预测模型的预测结果均明显优于单项预测模型。通过建立组合预测模型,弥补了单项预测模型的不足,提高了航天试验装备备件需求预测的精度,为增强航天试验任务保障效益提供了方法参考和决策支持。     

基于改进支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集和改进加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想.首先阐述了粗糙集和加权最小二乘支持向量机的基本原理,并改进了最小二乘支持向量机的加权方法;然后建立了基于粗糙集和改进加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程.实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值.     

用组合模型预测备件消耗量

科学预测备件消耗是有效实施备件保障各项工作的基础。结合指数平滑法及灰色模型的特点,建立组合模型,解决了小样本条件下备件的消耗预测问题。实例分析表明,组合模型比单项模型具有更高的预测精度。     

军用飞机周转备件库存预测方法

军用飞机周转备件对飞行安全及军事任务的完成有着重要影响。在广义更新过程的基础上,运用修理度概念改进了比例危险模型,建立了反映周转备件寿命及维修历史、运行环境等协变量参数变化趋势的预测模型,通过实际故障数据进行参数估计,并仿真计算设定时间段内周转备件的数量。以某周转件为例对有无协变量、不同维修方式等条件进行对比分析,结果表明该方法更符合工程实际。     

基于LSSVM和信息熵的航材备件组合预测方法

为了实现航空装备的精确化保障,需要对航材备件数量进行预测,现有方法难以在小样本的条件下,准确地预测航材备件数量,为此提出了一种基于最小二乘支持向量机和信息熵的组合预测方法.首先,将基于最小二乘支持向量机的一元预测方法和多元预测方法相互结合,提出了一种组合预测模型;然后,使用信息熵理论对组合预测模型的权重系数进行优化;最后,给出了所提预测方法的计算步骤.实验结果表明,所提方法在预测航材备件数量时,具有较高的准确性.     

战时装备备件需求的多层次灰色预测

通过确定战时备件需求评价指标体系 ,运用层次分析原理和灰色理论 ,建立了战时备件需求的多层次灰色预测模型 ,并结合参战的某型舰的主机气阀弹簧的战损需求进行多层次灰色预测     

基于故障相关2单元并联系统的备件消耗预测

针对工程实践中存在的故障相关2单元并联系统,通过单元故障率分析,研究了系统备件消耗预测方法.将故障相关情况分为一般情况和特殊情况,分别推导了单元累积故障分布函数,在此基础上,建立了备件消耗预测模型.通过实例分析,验证了该方法的可行性,为工程实践中备件消耗预测提供了参考.     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

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.     

基于改进的神经网络的军械备件需求预测

针对当前军械应急保障中备件供应需求依据经验判断,从而导致保障不精准的现实问题,浪费应急保障资源,削弱部队战斗力.在对军械备件需求量进行分析时发现,军械备件需求符合间断型备件需求特征.基于改进的神经网络军械应急维修备件需求预测模型,利用神经网络模型的强大非线性函数的拟合能力,将间断型的备件需求分解为两步.最终,将两个序列预测结果综合分析,得出军械备件需求预测结果.根据改进神经网络预测模型,结合某单位某军械装备保障数据,用总体数据的4/5作为训练数据,1/5作为测试数据进行预测,实验结果表明,改进的神经网络预测模型预测精度优于其他预测模型,预测精度符合预期,可以为军械应急保障提供依据.     

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。     

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。     

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。     

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。     

基于Markov决策支持系统的坦克排作战效能预测

分析了Markov模型的一般预测过程,建立了一种基于Markov决策支持系统的作战效能预测分析模型,根据坦克排在担负不同作战任务时的特点,给出了坦克排作战效能预测分析的应用实例,预测分析的结果表明,该模型能够对作战态势做以正确的预测,有利于指挥员更好地进行兵力部署,发挥坦克排作战的最佳效能.     

基于灰色理论的直流接触器行为预测

针对大型复杂装备使用了大量的直流接触器,并且接触器接触电阻值随外间因素变化大等特点,利用灰色理论的新陈代谢GM(1,1)预测模型,对直流接触器的接触电阻进行了预测评估。从而,可以进一步判断直流接触器的接触行为。实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现直流接触器接触行为的早期预测评估。     

基于层次分析法的军队油料消耗组合预测模型

在军队油料消耗预测中以直线趋势外推预测法、季节指数预测法和灰色预测法构成组合预测模型，以此为基础引入层次分析法来确定各自权重，按各项预测的重要程度求出组合预测结果。组合预测结果精度较高，并且通过对该组合预测模型中的判断矩阵灵活调整，从而可得到一组适合对应单位的油料消耗组合预测权系数，具有良好通用性，在部队中具有较好的推广价值。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。     

The cost impact of using simple forecasting techniques in a supply chain

In this paper we consider an inventory model in which the retailer does not know the exact distribution of demand and thus must use some observed demand data to forecast demand. We present an extension of the basic newsvendor model that allows us to quantify the value of the observed demand data and the impact of suboptimal forecasting on the expected costs at the retailer. We demonstrate the approach through an example in which the retailer employs a commonly used forecasting technique, exponential smoothing. The model is also used to quantify the value of information and information sharing for a decoupled supply chain in which both the retailer and the manufacturer must forecast demand. © 2003 Wiley Periodicals, Inc. Naval Research Logistics 50: 388–411, 2003     

导弹装备战场损伤预测仿真研究

装备的战场损伤、损耗预测是作战保障的基础。文中构建了导弹装备损伤预测的马尔可夫Markov模型,导弹装备战场损伤部件数量动力学预测模型,并针对战场损伤强度和维修强度对损伤概率和部件损伤数量进行了仿真。对导弹作战计划以及装备保障与维修计划的制定具有指导意义。