【摘 要】
：
为提高航材库存需求的预测精度,着力解决ARIMA模型预测滞后性和非同步性问题,提出ARIMA模型和KALMAN滤波技术理论的组合模型。应用ARIMA模型辨识KALMAN滤波初始状态参数,考虑系统噪声的影响,以最小均方误差为估计准则,构建航材库存的动态预警模型,并在测试数据集上检验组合模型库存预警效果。实例分析发现,ARIMA-KALMAN组合模型可以提高航材库存预测精度,实现航材库存动态预测,对于解决ARIMA模型预测滞后性和非同步性问题有重要意义。
论文部分内容阅读
为提高航材库存需求的预测精度,着力解决ARIMA模型预测滞后性和非同步性问题,提出ARIMA模型和KALMAN滤波技术理论的组合模型。应用ARIMA模型辨识KALMAN滤波初始状态参数,考虑系统噪声的影响,以最小均方误差为估计准则,构建航材库存的动态预警模型,并在测试数据集上检验组合模型库存预警效果。实例分析发现,ARIMA-KALMAN组合模型可以提高航材库存预测精度,实现航材库存动态预测,对于解决ARIMA模型预测滞后性和非同步性问题有重要意义。
其他文献
为实现高铁列车群调度优化算法的数据支撑及可行性评估,提出一种机理模型和小数据驱动相结合的建模方法。构建限速条件下列车运行的参数化分段拟合模型,减少待辨识参数的个数;设计粒子群和最小二乘法相结合的参数辨识算法避免拟合不当的情况;得到临时限速下列车运行的"位置-时间-速度"特征曲面。在仿真平台上对所建立模型进行试验,对各种限速条件下列车运行时分进行准确快速的仿真,验证了模型及算法的有效性和可用性。
针对未来无人机电子干扰作战需求,提出一种宽带、大功率、小型化、多干扰样式的有源干扰机的设计方法。该干扰机采用高性能MPM,在实现信号宽带大功率放大的同时保持小型化设计,采用锁相环式频综实现低杂散,采用数字射频存储技术产生多种样式的相干干扰,实现噪声与欺骗组合干扰模拟复杂电磁环境,并可实现智能侦测干扰。通过测试,验证了其在C、X和Ku 3个波段均可产生多种干扰样式及其组合干扰,达到了预期目的。
伴随社会经济的高速发展,电气设备被广泛运用,电力系统作为人们生活与工作的基础能源,其运行质量以及运行效率备受各个领域的关注。若电路发生故障问题,不仅会对人们日常生活造成影响,也会对人身财产安全造成极大的隐患。因此,电力企业首要任务就是解决电路相关故障问题。本篇文章将针对电路检测方法以及有关技术展开分析,以期可以为有关工作人员提供一定技术理论支持。
针对单点能量分析攻击中采样量较多、攻击信息利用率低等问题,提出了一种针对高级加密标准(Advanced Encryption Standard,AES)算法进行两点联合能量分析攻击的方法。该方法根据AES算法中能量泄漏点和密钥之间的相关性选择两个能量泄漏点进行能量分析,通过建立中间变量的能量泄露模型、构造中间值联合函数,攻击出AES算法的密钥值。仿真结果表明:在使用5 000条能量曲线时,两点联合
针对多变量、强非线性、高耦合的永磁同步电机(permanent magnet synchronous motor,PMSM),设计了不依赖精确数学模型的支持向量机(support vector machines,SVM)辨识逆系统,应用多变量非线性控制逆系统理论,对PMSM进行动态解耦控制研究;针对直接逆开环控制鲁棒性差及支持向量机建模误差,设计了基于云模型规则推理的参数自整定PID(Propor
当前人口老龄化的问题越来越严重,再加上人口数量日益增长,会导致我国老龄化的负担继续加重.这种背景之下人类对老年健康的需求也越来越大,推动医养分离朝着医养结合的方向发
针对离散车间生产计划缺乏通用的评价指标体系以及定性和定量相结合的综合评价方法,从经济性、时间性和适应性三个方面构建离散车间生产计划评价指标体系,提出一种基于组合赋权的离散车间生产计划综合评价方法。该方法通过综合可拓层次分析法、熵值法和改进CRITIC(Criteria Importance Through Intercriteria Correlation)法得到具有主客观意义的组合权重,提高了离
落点精度是导弹武器的一项重要战术技术指标,精度评估方法也显得尤为重要。提出一种适用于导弹精度评估的改进算法。将精度评估问题简化为关于概率圆分布的假设检验问题,对精度的准确度和密集度分别定义差异系数。基于概率圆方法,考虑研制方风险和使用方风险相等,并使该风险最小,提出改进的精度综合评估方法。引入序贯检验的思路,将上述基本方法进行扩展,以适用于序贯检验情形。结合数值仿真和定性分析,验证并分析了所提方法
随着深度学习的发展,尤其是随着多层神经网络(MLP)、深度神经网络(DNN)、卷积神经网络(CNN)等网络的出现,其在多个领域得到广泛应用,如视觉识别、语音识别、自然语言处理等领域。在2019年的美密会上提出利用单差分深度残差网络区分器进行密钥恢复攻击的方法,将深度学习的应用扩展到密码算法分析领域。利用多差分残差网络区分器进行密钥恢复攻击,该方法可有效减少数据复杂度,并增加攻击轮数。以RC516的攻击为例,计算复杂度和数据复杂度分别减少为后者的1/12,攻击轮数由11个半轮增加到了12个半轮。
近年来,在HDFS上的小文件聚类存储问题引起了广泛关注。针对传统聚类算法DBSCAN在聚类过程中,出现数据密度不均匀时造成聚类效果粗糙及时间开销较大等问题,提出了一种基于经改进网格单元的DBSCAN聚类算法。该算法首先使用网格单元划分及爬山法辨别出局部次优区域来缩小搜索范围,进而再从所选局部次优区域执行宽度优先搜索法,遍历数据点并将其聚类成簇,有效地提高了数据聚类的精确度,显著降低了时间成本。实验结果表明,在数据集较小的情况下,该算法在聚类精度和运行时间上与传统算法接近。当数据集较大时,与传统算法相比,该