遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.     

一种改进的保障信息融合模型

针对D-S证据理论难以处理高冲突证据信息,而DSmT理论融合效率不高的问题,在分析D-S证据理论和DSmT理论优缺点的基础上,提出将两种算法组合使用的思想,并据此设计了保障信息融合模型。模型以证据信息间的冲突程度为依据,实现了融合算法的自动选择。仿真验证表明,混合模型在有效实现高冲突证据融合的同时,兼顾了融合算法的效率,具有较好的工程应用前景。