基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

基于历史数据挖掘的战场气象环境数据模糊预测算法

现代模拟仿真训练过程中,对于虚拟战场气象环境的仿真,大多采用重现训练场地某一段历史战场气象环境数据的方法.而战场气象环境预测大多为通过数据挖掘技术预测未来短期的气象数据,缺乏长远的预测方法.针对上述缺点,对战场气象环境历史数据进行处理,给出了一种基于历史数据挖掘的未来战场气象环境数据模糊预测的算法.     

高校经管类课程研究性教学设计、实施与启示——以“市场调查与预测”课程为例

"市场"调查与预测"是一门实践性很强的课程,课程教学要求培养学生的创造能力和实践能力,这一要求与研究性教学培养理念相吻合。本文论述了在教学中实施研究性教学的具体方法及主要设计方案,并对教学结果进行了评估,提出了该课程实施研究性教学法的建议,为相关学科教学提供借鉴。