基于改进IOWA组合模型的舰船装备维修费预测

针对诱导有序加权平均（induced ordered weighted averaging,IOWA）组合模型中,单项预测方法精度相同时诱导值可能存在多种不同排列顺序的问题,提出综合考虑预测方法的历史性能确定其唯一排序;针对实践中单项预测方法较多时,IOWA组合模型构建过程十分复杂的问题,通过构建适合于Matlab软件计算的最优化模型矩阵形式,降低计算复杂性;结合舰船装备维修费预测中样本小、预测方法多的特征,采用各单项预测方法的历史平均拟合精度来估计其预测期诱导值的排序,并以此计算组合预测值。最后实例说明了该方法的有效性。     

基于模型不确定性的响应曲面建模

针对响应曲面构建中模型不确定性问题,在组合建模方法的基础上,通过引入包容性检验,提出了基于包容性检验的稳健性组合建模方法(ensemble of surrogates based on encompassing test,ET-EOS)。首先,根据实际问题及各模型的特点确定子模型集,进而构建各子模型;其次,采用包容性检验筛选子模型,以消除子模型间存在的冗余信息;然后对筛选出的子模型进行加权组合,以构建ET-EOS模型。基于包容性检验,提出了稳健的组合模型,解决了模型不确定下的响应曲面构建问题。最后,结合实际案例和仿真试验验证提出方法的有效性,结果表明此方法不仅改善了模型的预测性能及其稳健性能,而且通过筛选子模型减少了建模所需的工作量。     

组合预测建模中单项预测模型筛选研究

组合预测模型本身是一个对单项预测模型的信息进行选择利用的过程。分析了如何判定和检验参与组合预测的单项预测需满足何种条件,并运用了协整理论对模型进行筛选,从三方面综合地提出了筛选组合预测单项模型的方法和步骤,以期提高组合预测精度,简化计算。在初选的单项预测模型中,除选用较为常见的预测方法外,还加入了一些具有代表性的的单项预测方法,如状态空间模型、神经网络模型等。这些良好预测模型的选用,在一定程度上提高了组合预测的精度。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

排刷式剥叶元件剥叶性能的BP 神经网络预测

由于剥叶性能直接影响到甘蔗收获机械的收割性能,为了客观有效地对剥叶性能进行预测,提出了BP神经网络预测方法.针对剥叶元件性能的特点,采用正交试验法构造训练样本,以保证网络具有较高的泛化能力,同时对该训练样本建立了回归分析模型,以检验BP网络模型的输出精度.在此基础上,利用已建立的神经网络预测模型对影响剥叶性能的各因素取值的不同组合进行仿真分析,以确定各因素取值的最优组合.结果表明,BP神经网络的预测模型比回归模型具有更高的输出精度,进行剥叶元件的性能预测与优化是可行且有效的.     

基于组合预测的装甲装备器材需求确定

为提高装甲装备器材需求预测的科学性,设计基于组合预测的器材需求确定方法。首先明确组合预测模型的构建流程与具体步骤,引入预测有效度理论,以评估模型的预测有效度。其次优化了关联面积法,实现组合预测模型中构成单元权重的动态配置,为模型滚动式更新及最终确定奠定基础。算例分析过程表明,基于组合模型的预测不仅能够提高局部器材需求预测的准确性,而且能够提升整体预测过程的稳定性。     

市场需求Logit组合预测的研究

首先阐述了网络市场营销和传统市场营销的区别，分析了在该环境下市场需求的变化和相应的特点。其次，研究了一种利于计算机建模的市场需求组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型。最后，将该方法用于家用电冰箱市场需求趋势预测的示例研究，采用信息熵的方法，检验了组合预测模型的预测效果。实例表明，该方法可以通过调整组合权重提高预测精度。     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

改进的舰船维修费案例调整模型

为提高舰船维修费案例的调整效果,遵循着调整知识产生、调整知识约简和调整知识推理的建模过程,提出了一种改进的舰船维修费案例调整模型。在该模型中,采用Policastro的重构方式,利用目标案例的直接和间接相似案例集,产生舰船维修费案例的调整知识;针对调整知识中可能存在冗余、相关性、知识量过于庞大不便于推理等问题,提出了一种既能有效约简调整知识、又能准确衡量调整知识重要度的改进规则约简方法,并给出了具体的实现算法;为提高知识推理的效率,采用具有强泛化能力和出色学习能力的最小二乘支持向量机（least square support vector machine,LSSVM）,构建了舰船维修费案例调整知识推理模型,并基于遗传算法（genetic algorithm,GA）和交叉验证方法,对推理模型的有关参数进行了优化。实例结果表明,与其他案例调整模型相比,所提模型在调整精度上要远远好于其他模型,所提模型是科学、有效的。     

租赁设备的状态维修决策建模与优化

随着物联网技术飞速发展,租赁设备大多安装有传感系统,可以及时地对设备关键部件和整体运行状态进行检测,进而可基于设备的健康状态为其安排更为合理的维修方案,在降低租赁商维修费用的同时,尽量少地干预客户的正常施工,并且保证租赁设备在客户施工场所的可靠运行.本文研究了基于状态检测的租赁设备的最优维修问题,研究中引入了顺序状态检测,定义了基于状态的控制限维修策略,并建立了以维修开销最小为目标的解析模型,以决策系统最优的检测间隔和预防维修阈值.除检测、维修等基本费用外,模型中还进一步考虑了租赁系统的故障罚金和故障后维修超时罚金.在模型的求解中,推导了维修干预下设备任意时刻的检测概率和状态概率分布,作为模型构建和求解的依据.数值实验结果验证并表明了面向租赁设备的基于状态的维修策略的有效性.     

Prediction Method of Vessel Maintenance Outlay Based on the BP Neural Network

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｍｅｒｌｙ ,ｔｈｅｍａｎａｇｅｍｅｎｔｏｆｖｅｓｓｅｌｏｕｔｌａｙｕｓｅｄｔｏｐａｙｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔａｎｄｔｈｅｉｎｖｅｓｔｍｅｎｔｉｎｐｕｒｃｈａｓｉｎｇ ,ｂｕｔｉｇｎｏｒｅｓｏｍｅｐｒｏｂｌｅｍｓｏｆｔｈｅｏｕｔｌａｙｓｐｅｎｔｏｎｔｈｅｕｓｅ ,ｍａｉｎｔｅｎａｎｃｅ ,ｅｔｃ .ｏｆｔｈｅｅｑｕｉｐｍｅｎｔ .Ｉｎｇｅｎｅｒａｌ,ｔｈｅｔｉｍｅｏｆｕｓｉｎｇｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔｉ…     

基于Simulink的船舶运动控制的仿真研究

在介绍水面船舶三自由度运动模型建立方法的基础上，利用Matlab的S—function建立了基于Simulink的Abkowitz非线性船舶运动模型，进行了船舶运动控制系统的仿真研究，并给出了仿真结果。对船舶操纵性试验和船舶运动控制规律的研究具有实际意义。     

电力推进船舶电力负荷的多变量混沌局部预测

为提高电力推进船舶电力负荷预测精度,提出电力推进船舶电力负荷的多变量混沌局部预测.将相空间重构由单变量时间序列拓展到多变量时间序列,并依据电力推进船舶电力负荷及其相关因素构成的多变量时间序列进行相空间重构.针对每一分量时间序列采用互信息法进行最佳时间延迟的选择,最优嵌入维数则采用虚假邻点法进行确定.根据多变量混沌时序局部预测,提出基于正则化的电力推进船舶电力负荷多变量混沌局部预测.通过对实际船舶电力负荷的计算实例表明,基于多变量时间序列的预测方法比单变量预测具有较好的预测效果.     

飞机研制费用的组合预测方法

针对飞机研制费用预测样本数据较少、影响因素复杂,单一预测方法预测质量不高的问题,采用组合预测方法预测飞机研制费用。组合了径向基函数（radial basis function, RBF）神经网络、格拉姆施密特回归、偏最小二乘回归(partial least squares regression, PLSR)3种预测方法,基于样本数据建立了飞机研制费用组合预测模型,并与单项预测进行了对比分析。结果表明,组合预测具有满意和稳定的预测精度,并可以降低单项预测的质量风险,是飞机研制费用预测可靠而有效的方法。     

舰艇烟幕使用与布放的仿真研究

烟幕具有吸收、反射和散射特性 ,可使导引头上接收的能量大大衰减 ,从而降低导弹的命中概率。在分析舰艇烟幕对抗激光制导导弹过程的基础上 ,分别建立了烟幕遮挡效果目标函数 ,舰艇运动的模型 ,烟幕运动的模型和导弹运动的模型 ,通过计算机仿真得出了烟幕使用及烟幕布放的方法。仿真结果对舰艇烟幕的作战使用和舰艇烟幕发射装备的研制具有重要的参考价值。     

面向系统性能最大化的装备经费结构SD优化

为通过在装备的各组成单元之间, 对装备的研制经费实施最优分配, 继而获得最大化的装备整体作战使用能力的现实需求, 选择由锅炉、主汽轮机、主冷凝器、汽轮给水泵等4个基本单元组成的船舶蒸汽动力系统为对象, 运用系统动力学(system dynamics, SD)方法, 建立各项费用与动力系统总体性能之间的关系模型, 并转化为SD仿真平台上的动力系统各设备经费结构优化模型。经过系统分析和对照仿真结果, 找出费用在动力系统中各个设备之间分配的特殊规律, 在功率既定情况下, 确定动力系统费用的最小值以及在各个设备之间的最优分配结构, 形成基于SD理论、面向系统性能最大化，在装备组成单元层面开展经费结构优化的方法。