论文部分内容阅读
摘要:为了提高预测精度,笔者对组合预测模型进行研究,在阅读相关文献的基础上,总结现有组合预测模型的方法,对航材需求预测提供参考。
单一方法对航材消耗规律预测存在各种各样的缺点,有专家提出结合各类模型的有点,建立组合预测模型,将统计方法和机器学习方法相结合,提出基于ARIMA-BP-CNN的备件需求预测模型,对各项预测结果进行加权,并用遗传算法进行优化,提出了一种基于组合算法的备件需求预测模型。张老师等基于航材消耗数据不平稳,波动性强的特点,引入正态分布的白噪声,采用EEMD对不稳定的数据进行分解,将其划分为稳定的周期性强的若干区间,然后结合SVM对小样本数据进行预测,提出了一种小样本航材的消耗预测方法。周老师针对GM(1,1)模型对随机变化数据预测精度不够的情况,将GM(1,1)模型的预测序列和实际序列进行比较,得到相对序列差,以此来划分各个状态,计算原始序列在各状态的概率得到状态转移矩阵,结合马尔可夫模型对器材消耗进行预测。冉专家考虑航材消耗数据的不等间隔性,利用NEGM(1,1)模型把不等间隔序列变为等间隔序列,然后剔除序列中的随机波动项,得到零均值平稳序列,采用AIC准则确定p,q的取值,应用ARMA(p,q)模型对备件消耗进行预测,提供了一种科学的备件消耗预测方法。分别用NEGM(1,1)模型和BP神经网络对备件需求进行预测,提出一种广义加权比例平均组合模型,将两种方法加权融合,通过实例分析,验证了模型的有效性。徐老师利用粗糙集理论对导弹备件消耗影响因素进行约简,通过设置阈值对各属性进行离散,将约简后的属性输入到训练好的BP神经网络中进行模拟,结果表明,该方法提高了算法的计算速度,有效的预测了导弹备件的消耗量。赵专家针对不同因素在不同时刻对于备件消耗的影响权重是不同的特点,提出一种基于Theil不等系数的IOWHA算子组合模型,用MC分析预测精度,利用GA求解最优权系数。经证明,该方法大大提高了备件需求预测精度,且具有较好的稳定性。
组合预测模型是航材预测领域的主流方法,结合了多种算法的优势,弥补单一算法的短板。论文将使用组合预测模型对战储航材储备数量进行预测,结合统计学知识和机器学习方法,建立预测模型,对战储航材需求进行分析,为制定战储航材储备标准提供参考。
李教授对影响备件消耗的多种因素进行分析,将一个时间段等分为若干个小时间段,模拟每个小时间段中的故障发生情况,对仿真数据进行数量统计,预测未来备件消耗量。但是仿真只考虑平稳状态下的备件故障率,忽略了战时不确定因素的影响。毕老师针对低消耗可修航材高原驻训条件下保障数据少,需求难以确定的特点,提出航材满足率指标,通过MATLAB模拟库存量的变化来确定是否发生缺材。在综合考虑修理周期、经济性和军事性的基础上,为高原条件下的低消耗航材可修件消耗预测提供了一种新的思路。但教授]分析备件维修运行体制,运用SIMLOX对装备维修保障体系进行仿真,结果表明,该方法有效的预测了备件消耗,为备件保障提供了验证方法。谢刚等[11]针对新机备件消耗数据少的特点,在分析备件消耗影响因素的基础上,利用Monte Carlo建立仿真模型,从任务角度、维修角度出发,模拟备件使用和维修过程,对备件消耗进行仿真,与其他数学方法对比发现,仿真方法具有较高的精度,对于提高作战保障水平具有重要意义。
文献中主要采用MATLAB进行实验仿真,模拟实际器材使用情况,对低消耗航材的预测具有指导意义。仿真实际保障中不易得到的保障数据,可以为保障需求进行指导。仿真优化研究对于备件需求预测具有验证作用,通过模拟作战航材消耗,设置保障能力和任务参数,与预测模型所得结论进行验证,对预测结果进行优化,更加准确的设置战储航材储备数量。
参考文献:
[1]王宁,李建华,王军军,李双雪,唐宁.基于ARIMA与神经网络的备件需求组合预测方法[J].甘肃科技,2020,36(10):61-65.
[2]张作刚,宋大勇,宫明慧,孙伟奇.基于EEMD-SVM的不稳定需求航材消耗预测研究[J].环境技术,2018,36(05):70-73+80.
[3]周浩,黄善忠.基于GM(1,1)和灰色马尔可夫模型的器材消耗预测[J].武汉理工大学学报(交通科学与工程版),2015,39(06):1166-1168+1174.
[4]冉宝峰,徐常凯,胡涛,杜加刚.基于NEGM(1,1)-ARMA(p,q)组合模型的航空备件消耗预测[J].物流技术,2015,34(23):188-190+220.
[5]冉宝峰,徐常凯,张英锋,杜加刚.基于NEGM(1,1)与BP神经網络的广义加权比例平均备件需求组合预测[J].军械工程学院学报,2016,28(05):10-15.
[6]徐廷学,杜爱国,陈红.基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测[J].海军航空工程学院学报,2012,27(05):570-574.
[7]赵建忠,徐廷学,李海军,叶文.基于改进Theil不等系数的导弹备件消耗预测[J].系统工程与电子技术,2013,35(08):1681-1686.
[8]李瑾,宋建社,王正元,朱昱.备件消耗预测仿真方法研究[J].计算机仿真,2006(12):306-309.
[9]毕钊,侯胜利.高原驻训条件下的低消耗航材可修件需求预测[J].南方农机,2020,51(15):198-200+204.
[10]但伟,张建元,韩坤,许艺.基于仿真的备件消耗预测方法研究[J].物流科技,2014,37(02):93-95.
[11]谢刚,韩坤,王胜德.基于仿真方法的新型装备备件消耗预测研究[J].物流科技,2010,33(08):108-110.
单一方法对航材消耗规律预测存在各种各样的缺点,有专家提出结合各类模型的有点,建立组合预测模型,将统计方法和机器学习方法相结合,提出基于ARIMA-BP-CNN的备件需求预测模型,对各项预测结果进行加权,并用遗传算法进行优化,提出了一种基于组合算法的备件需求预测模型。张老师等基于航材消耗数据不平稳,波动性强的特点,引入正态分布的白噪声,采用EEMD对不稳定的数据进行分解,将其划分为稳定的周期性强的若干区间,然后结合SVM对小样本数据进行预测,提出了一种小样本航材的消耗预测方法。周老师针对GM(1,1)模型对随机变化数据预测精度不够的情况,将GM(1,1)模型的预测序列和实际序列进行比较,得到相对序列差,以此来划分各个状态,计算原始序列在各状态的概率得到状态转移矩阵,结合马尔可夫模型对器材消耗进行预测。冉专家考虑航材消耗数据的不等间隔性,利用NEGM(1,1)模型把不等间隔序列变为等间隔序列,然后剔除序列中的随机波动项,得到零均值平稳序列,采用AIC准则确定p,q的取值,应用ARMA(p,q)模型对备件消耗进行预测,提供了一种科学的备件消耗预测方法。分别用NEGM(1,1)模型和BP神经网络对备件需求进行预测,提出一种广义加权比例平均组合模型,将两种方法加权融合,通过实例分析,验证了模型的有效性。徐老师利用粗糙集理论对导弹备件消耗影响因素进行约简,通过设置阈值对各属性进行离散,将约简后的属性输入到训练好的BP神经网络中进行模拟,结果表明,该方法提高了算法的计算速度,有效的预测了导弹备件的消耗量。赵专家针对不同因素在不同时刻对于备件消耗的影响权重是不同的特点,提出一种基于Theil不等系数的IOWHA算子组合模型,用MC分析预测精度,利用GA求解最优权系数。经证明,该方法大大提高了备件需求预测精度,且具有较好的稳定性。
组合预测模型是航材预测领域的主流方法,结合了多种算法的优势,弥补单一算法的短板。论文将使用组合预测模型对战储航材储备数量进行预测,结合统计学知识和机器学习方法,建立预测模型,对战储航材需求进行分析,为制定战储航材储备标准提供参考。
李教授对影响备件消耗的多种因素进行分析,将一个时间段等分为若干个小时间段,模拟每个小时间段中的故障发生情况,对仿真数据进行数量统计,预测未来备件消耗量。但是仿真只考虑平稳状态下的备件故障率,忽略了战时不确定因素的影响。毕老师针对低消耗可修航材高原驻训条件下保障数据少,需求难以确定的特点,提出航材满足率指标,通过MATLAB模拟库存量的变化来确定是否发生缺材。在综合考虑修理周期、经济性和军事性的基础上,为高原条件下的低消耗航材可修件消耗预测提供了一种新的思路。但教授]分析备件维修运行体制,运用SIMLOX对装备维修保障体系进行仿真,结果表明,该方法有效的预测了备件消耗,为备件保障提供了验证方法。谢刚等[11]针对新机备件消耗数据少的特点,在分析备件消耗影响因素的基础上,利用Monte Carlo建立仿真模型,从任务角度、维修角度出发,模拟备件使用和维修过程,对备件消耗进行仿真,与其他数学方法对比发现,仿真方法具有较高的精度,对于提高作战保障水平具有重要意义。
文献中主要采用MATLAB进行实验仿真,模拟实际器材使用情况,对低消耗航材的预测具有指导意义。仿真实际保障中不易得到的保障数据,可以为保障需求进行指导。仿真优化研究对于备件需求预测具有验证作用,通过模拟作战航材消耗,设置保障能力和任务参数,与预测模型所得结论进行验证,对预测结果进行优化,更加准确的设置战储航材储备数量。
参考文献:
[1]王宁,李建华,王军军,李双雪,唐宁.基于ARIMA与神经网络的备件需求组合预测方法[J].甘肃科技,2020,36(10):61-65.
[2]张作刚,宋大勇,宫明慧,孙伟奇.基于EEMD-SVM的不稳定需求航材消耗预测研究[J].环境技术,2018,36(05):70-73+80.
[3]周浩,黄善忠.基于GM(1,1)和灰色马尔可夫模型的器材消耗预测[J].武汉理工大学学报(交通科学与工程版),2015,39(06):1166-1168+1174.
[4]冉宝峰,徐常凯,胡涛,杜加刚.基于NEGM(1,1)-ARMA(p,q)组合模型的航空备件消耗预测[J].物流技术,2015,34(23):188-190+220.
[5]冉宝峰,徐常凯,张英锋,杜加刚.基于NEGM(1,1)与BP神经網络的广义加权比例平均备件需求组合预测[J].军械工程学院学报,2016,28(05):10-15.
[6]徐廷学,杜爱国,陈红.基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测[J].海军航空工程学院学报,2012,27(05):570-574.
[7]赵建忠,徐廷学,李海军,叶文.基于改进Theil不等系数的导弹备件消耗预测[J].系统工程与电子技术,2013,35(08):1681-1686.
[8]李瑾,宋建社,王正元,朱昱.备件消耗预测仿真方法研究[J].计算机仿真,2006(12):306-309.
[9]毕钊,侯胜利.高原驻训条件下的低消耗航材可修件需求预测[J].南方农机,2020,51(15):198-200+204.
[10]但伟,张建元,韩坤,许艺.基于仿真的备件消耗预测方法研究[J].物流科技,2014,37(02):93-95.
[11]谢刚,韩坤,王胜德.基于仿真方法的新型装备备件消耗预测研究[J].物流科技,2010,33(08):108-110.