基于粗糙集和神经网络的空军航材消耗预测方法

针对空军航空器材消耗受某些影响因素的冗余性、非定量性以及消耗预测模型中很难体现问题．分析了影响航材消耗的因素，利用粗糙集知识约简方法去除冗余，选择主要影响航材消耗的因素，利用神经网络建立消耗预测模型．最后对该模型的预测效果与直接神经预测的效果进行了比较，显示了该模型的有效性和实用性，为航材消耗预测提供了一种新的有效决策方法．     

基于粗糙集和神经网络的空军航材消耗预测方法

针对空军航空器材消耗受某些影响因素的冗余性、非定量性以及消耗预测模型中很难体现问题 .分析了影响航材消耗的因素 ,利用粗糙集知识约简方法去除冗余 ,选择主要影响航材消耗的因素 ,利用神经网络建立消耗预测模型 .最后对该模型的预测效果与直接神经预测的效果进行了比较 ,显示了该模型的有效性和实用性 ,为航材消耗预测提供了一种新的有效决策方法 .     

航材需求预测的研究

航材的需求与许多因素有关,有些因素可以量化,有些则无法量化,其随机性很大,这给航材的筹措带来了很大的困难。因此,掌握航材消耗规律,正确预测航材需求量是航材筹措的基础工作,是做好航材筹措的前提条件,航材预测的正确与否,将直接影响航材保障的效益。     

基于机器学习方法的航空消耗件需求自适应预测

企业状态不稳定性、消耗件故障规律不确定性及需求特征的动态性,特别是新冠疫情期间航空公司航班的大量停飞和逐渐恢复导致固定单一需求预测方法存在较大偏差。基于平均绝对误差和均方误差进行不同需求模式预测方法筛选,构建自组织特征映射网(self-organizing feature map, SOFM)对需求时间序列聚类,提出不同聚类模式和预测方法映射关系并实现数据与方法动态自适应。此自适应预测框架能够实现不同航材需求模式识别、多预测方法决策及同一航材多阶段动态预测。通过某航空公司实例验证表明该自适应框架具有较好的应用效果,适用于各类型的消耗备件需求预测。     

组合预测法在弹药消耗预测中的应用

提出了利用组合预测法预测弹药消耗的设想,建立了基于BP神经网络的弹药消耗组合预测模型,并对弹药消耗影响因素进行了初步探讨,为今后弹药消耗预测的研究工作提供了参考依据。     

航材件需求预测模型研究

分析比较多种定量预测方法,提出时间序列方法进行航材件的需求预测。利用移动平均法和趋势外推法分别给出了航材件备份数量预测模型。结合项目,对实际数据进行了算例分析,得出趋势外推法在航材件的需求预测中精确较高。     

应用线性回归方法预测航材的订货数量

线性回归法是一项重要的预测技术,它在相关分析中有着重要的应用。航材的订货数量如果能应用该技术进行预测就可以避免大量的浪费,从而既能保证正常的飞行训练,又能节约大量的经费。     

导航装备维修用备件需求预测

研究导航装备维修用备件需求预测,以便制定保障计划的筹措、分配、储存、调拨、使用等各项工作的顺利进行.通过对季节指数法的详细研究,归纳出该方法的一般步骤,根据某导航装备维修备件的来源及历史消耗特点,在一定假设条件下,运用简单移动平均法修正历史数据,采用季节指数法预测维修备件消耗量,并利用GM(1,1)模型检验预测精度;两种方法计算得出导航装备某备件2008年消耗量分别为209个和214个,预测精度为一级,符合预测要求;通过对这两种预测方法的比较研究,归纳出不同的使用条件,进一步说明该方法在备件预测中的实用性和适用性,有利于备件预测的进一步研究.     

动态加权预测方法设计及在降水预测中的应用

在动态数据预测中,为克服传统预测方法中所造成的较大误差,本文通过动态预测理论与移动平均预测理论相结合,设计了一种加权移动平均预测方法,用来预测时间序列数据.在原有的移动平均预测基础上构造一个动态加权参数.通过对相对误差的比较,证实了该方法预测效果优于移动平均预测.并利用该方法对乌鲁木齐地区30年平均降水量进行预测研究.并与动态预测方法相比较,预测效果相对误差较小.     

两种马尔科夫链菜单预测模型建模

软件复杂度的增加,导致菜单项数的激增,从而导致菜单交互过程中视觉搜索时间的增加和认知负荷的加重.论文研究了基于绝对分部的马尔科夫链预测模型(ADMCP)和多阶叠加的马尔科夫链预测模型(SPMCP),在不同Top-N下,对下一个可能选取的菜单项进行预测的预测能力.实验结果表明,ADMCP适用于预测项数Top-N大于5时的菜单项预测,而PSMCP适用于Top-N小于等于5时的菜单项预测.     

航材保障费用研究

针对航材保障费用利用不合理的问题,采用航材保障良好率作为航材保障的效能指标,建立了良好率模型。以航材保障费用为资源,平均航材保障良好率达到最大为目标函数,建立了航材保障费用的优化模型。用动态规划法求解,并建立了最优递推方程。通过实例演示了如何利用配置模型进行预测,计算工具是Matlab,进行了数值实验和理论分析,结果表明该模型具有良好的优化效果和实用性。     

能量高效与移动预测的路由算法分析

传统的无线移动自组网路由协议无法实现能量均衡消耗,也不能很好的适应网络拓扑动态变化,为此提出了一种新的基于能量高效与移动预测的按需路由算法。该路由算法在路由发现时排除不稳定链路,让能量较多的节点优先参与路由请求分组的转发,同时通过预测链路连接时间采用主动式局部路由修复策略,在路径实际失效之前就完成修复工作。仿真实验表明,和传统的AODV协议相比,文中提出的算法在路由控制开销略有增加的情况下,提高了分组平均投递率,降低了数据分组端到端平均时延,同时能够实现网络中的能量高效,延长了网络寿命,因此具有较强的实用性。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

基于时间序列的朝阳市生猪价格短期预测研究

为了获取更多利润，降低价格波动带来的风险，对朝阳市生猪价格进行基于时间序列的短期预测研究.根据辽宁省朝阳市某养猪场提供的2020～2022年3种生猪日销售价格，首先利用Excel对数据进行处理，以周为基本单位，把每周的平均价格作为周价格；其次，根据外三元猪价格中前100周的价格，分别采用时间序列预测法中的一次移动平均预测法、一次指数平滑预测法和三次指数平滑预测法来预测后57周的价格，通过与实际价格的对比可知，采用三次指数平滑预测法预测的误差最小，由此用该预测法来预测内三元猪和土杂猪后57周的价格；最后，利用Matlab计算土杂猪、内三元猪的预测值，结果显示二者的预测误差分别为0.386、0.604,并据此绘制价格变化趋势的图像，为养猪场预测生猪价格提供理论依据.     

基于排队论的可修航材需求预测算法设计与实现

采用排队论的相关理论对可修航材的需求进行预测.预测过程中考虑到了航材所对应的故障分布、航空兵团的维修能力以及航材的总装机量,最后设计和实现了相应的算法.     

基于支持向量机的飞机备件消耗预测研究

针对影响飞机备件消耗的诸多因子难于在模型中体现的问题,采用支持向量机回归模型,应用于备件的消耗预测。该方法将影响备件消耗的主要因子作为支持向量机预测模型的输入因子,对应的备件消耗量作为输出因子,训练模型,然后输入测试样本进行预测。预测结果表明,相比于GM(1,1)模型和神经网络(ANN)模型,该模型具有较高的预测精度和动态适应性,可为相应的备件保障部门提供科学的决策依据。     

耐用消费品的逐年统计实时预测方法

本文介绍一种耐用消费品市场的预测方法。该方法利用家庭开支的最优效益原理,因而可以避免在市场引入竞争机制而耐用消费品又非每家每户平均消耗的特定条件下,单纯利用趋势外推预测可能导致的失误。文中还介绍了此法的具体应用。     

基于自适应自回归模型的非线性流量负荷预测

针对新一代移动数据业务(MMS,KJAV,WAP)具有复杂的非线性特性和不平稳特性,采用鲁棒Kalman滤波算法,提出了一种自适应自回归滑动平均模型(AARMA),并将其应用于移动数据业务负荷预测中。实际预测结果表明,即使是对变动大且不稳定的移动业务流量,自适应ARMA模型稳定,预测精度高,且预测误差的白噪声特性明显。     

基于多种模型的广西入境旅游游客量预测

根据广西1978—2008年接待入境旅游者人数的统计数据,试运用移动平均法、指数平滑法、自回归法、一元线性回归法、多项式回归法和灰色GM(1,1)法构建相应的预测模型,分别对广西未来6年的入境旅游者人数进行预测.预测结果表明:(1)对于不同时间尺度的入境旅游游客量预测,因不同预测方法的预测误差差异较大,应根据具体情况选择合适的预测模型.(2)采用多种方法建立预测模型进行比较分析,可避免用单一方法的不足,预测到2015年广西的入境旅游者人数分别可达292.21~320.42万人次,在无重大突发事件影响的情况下,广西入境旅游客源市场将继续保持稳定增长的势头.     

药物输注过程的预测控制及仿真研究

本文提出一种药物输注过程实现闭坏控制的预测控制算法．在药物的诱导阶段，用脉冲响应法辨识药物释放过程的特征参数；在药物的维持阶段，采用控制自回归移动平均模型作为预测模型．临床试验及仿真研究的结果表明，这一预测控制算法是有效的．