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。     

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。     

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。     

基于改进GM(1,1)模型的装备故障预测

针对装备故障数据量小、传统灰色预测模型GM(1,1)的精度受背景值影响大的问题,提出了一种基于背景值优化的改进GM(1,1)装备故障预测方法。该方法基于背景值的几何意义,从背景值与发展系数之间数量关系的角度出发,通过最小二乘法对二次参数进行估计,还原得到原始参数估计值,并结合新陈代谢对模型进行改进。导弹装备的故障预测实例表明,改进GM(1,1)模型较传统模型有更高的预测精度。     

灰色预测GM(1,1)模型及其改进与应用

介绍了灰色预测的基本原理和常用GM(1,1)模型及其适用性判断方法,针对GM(1,1)模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,应用效果良好。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

地面慢速移动目标轨迹预测方法

在预测期较长的情况下,不确定因素将增加,对地面慢速移动目标轨迹预测的结果可能偏差较大.为了检验和提高预测结果的准确度,克服单一预测模型的不足,提出了一种改进灰色预测模型结合轨迹点转移概率的综合预测方法.通过引入缓变因子,并对原始数据进行自然指数变换,改进的灰色GM(1,1)模型能够控制其发展系数,提高灰色预测模型本身的精度.为了进一步检验预测结果,利用当前统计模型和分段整合的思想,并采用目标加速度截断正态概率密度模型,建立了轨迹点转移概率分布模型.仿真结果表明,该方法能够达到提高和保证预测精度的目的.     

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。     

装甲车辆行进间炮口振动角度误差预测模型

针对射击延时过程中具有振荡性的装甲车炮口振动角度误差数据,提出了一种优化的GM(1,1)预测模型。对原始数据进行光滑性和单调性处理;对传统GM(1,1)模型的初始值进行了基于拟合误差最小化的改进;基于传统模型中背景值构造方法存在的误差,重构了传统模型的背景值。通过对高低向、方位向两组数据处理结果的分析,优化GM(1,1)模型的拟合、预测结果相对于传统模型、改进初始值模型和改进背景值模型具有较小的误差,能够较好地反映装甲火炮炮口振动角度误差的变化情况。     

基于灰色非线性回归模型的故障预测

为克服传统灰色模型的局限性,通过对一阶累加生成序列规律性的分析,将灰色模型和非线性回归模型相结合,构造了一种灰色非线性回归模型。实例仿真结果表明,该模型既拓展了传统灰色模型的适用条件,又比传统灰色模型和非线性回归模型具有更高的预测精度,且适用性广。     

灰色神经网络的鱼雷经济寿命预测

为减少军费开支、降低鱼雷全寿命费用,从经济性角度提出了鱼雷最佳服役年限模型。利用灰色等维新息GM(1,1)模型对鱼雷年度使用维修费用进行预测;采用分组的思想将原始数据分为多组,采用神经网络对灰色模型的预测残差进行修正,以提高预测精度。通过实际算例预测了鱼雷经济寿命,从而证明了模型的实际应用价值。     

GM(1,1)模型在装备备件订购中的应用

分析了武器装备备件订购决策的目标和常用方法,并运用灰色理论GM(1,1)模型及关联度分析法,提出了在军用备件订购工作中费用目标预测的应用方法,以及提高预测精度的措施。     

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）组合优化模型

从影响GM（1，1）模型产生误差的两个主要原因出发，重新选择灰导数，并基于Newton．Cote’s积分公式和相邻最近插值方法构造出GM（1，1）组合模型，提出了求该组合模型参数的计算方法，通过实例验证了组合模型的模拟精度，具有重要的应用价值。     

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。     

再探运动目标航迹的灰色预测

本文根据笔者在[1]中所提出的航迹灰色预测中的两个问题:机动目标的跨象限运动及GM(1,1)预测模型对噪声的抑制能力进行若干计算研究。     

灰色直接迭代建模在武器故障预报中的应用

武器系统故障数据常呈现出非等时距、随机性及非准光滑特性,不满足GM(1,1)的建模条件。为此,引入故障信息序列的导数作为建模的白化值,并使用迭代优化算法进行参数优化,从而构建灰色直接迭代GM(1,1)模型。同时,直接迭代建模可有效利用数据第一点的信息,建模时不需累加生成变换和还原处理,算法简单可行,可以有效解决武器系统贫信息状态下的故障预报问题。仿真结果验证了该模型对于实际武器故障序列具有较高的拟合和预测精度。为了解和掌握武器质量状态的发展规律提供了可行的方法。