警卫预测简论

我国改革开放以来在社会主义市场经济体制形势下,公安警卫工作面临的许多新情况、新问题,特别是在警卫工作中经常遇到的临时动议、临时旨意和随意性、从属性等实际情况,警卫指挥员要适应新时期警卫工作的需要．不断实现由经验预测向科学预测,变被动为主动。实施正确的组织指挥和科学决策。提出警卫预测过程中的相应对策。     

自行火炮内燃机故障先期预测中的仿真应用

通过对自行火炮内燃机汽缸工作过程进行建模 ,并应用质量损失函数 ,对其未来工作过程进行仿真 ,获得其未来工作参数 ,为对内燃机进行故障先期预测打下基础     

一种基于“GM(1,1)”模型的火炮初速灰预测方法

火炮初速量测是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM(1,1)模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证了该方法具有一定的合理性与实用性。     

简介机械装备故障预测系统设计

故障预测是一个新生事物,机械装备的故障预测更是一个复杂的大系统,随着人工智能技术先进研究成果的不断推出,有关故障预测的基础性理论和应用技术的研究也必将得到飞跃性的发展。而探讨开发机械装备故障预测系统的一般性准则,可以起到抛砖引玉的作用。     

随机时间序列法在油料消耗预测中的应用

能否准确预测航空兵场站油料消耗量,对于做好场站油料保障工作具有重要意义。目前对油料消耗预测通常采用经验估算法,虽简单易行,但缺乏科学依据。本文采用随机时间序列法,建立了场站油料消耗量预测模型。实例验证其预测精度较高。     

基于图神经网络GraphVAE的兵棋态势预测方法

在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。     

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。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

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。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。