基于BP神经网络的野外驻训备件需求预测研究

针对传统的备件需求预测方法主观性强,缺乏科学性等问题,以通信部队野外驻训为背景,从备件需求影响因素出发,提出一种基于BP神经网络的预测算法。对备件精确保障及需求预测和BP神经网络及其适用范围进行简要介绍,分析了备件需求影响因素,以某型电台的功放模型为样板,对BP神经网络预测算法的适用性进行了检测。结果表明,该方法能很好地提高备件需求预测精度,满足装备保障精确化的要求。     

舰载机间断型备件的需求预测方法

针对舰载机随舰出航过程中舰载机间断型备件的需求预测具有一定的特殊性,提出一种基于灰色系统和时间聚合的适用于舰载机间断型备件的需求预测方法.将备件发生需求定为异常值,利用灰色灾变预测对发生需求的航段进行预测,得到需求发生的时间;采用时间聚合法对备件需求量进行聚合处理,结合各影响因素利用GM(1,N)进行预测,解聚合后得到备件需求数量.实际案例分析表明:该方法预测精度较高,优于Croston法和Boostrap法等传统方法.     

基于灰色理论的间断性需求备件预测方法

针对装备贮存过程中备件需求呈现间断性,难以对备件配置数量进行预测的问题,应用灰色理论,建立了间断性需求备件预测模型。计算实例表明,该方法简单实用,可在检测数据样本量较少的情况下对间断性需求备件进行有效预测,为备件配置数量的确定提供了理论参考。     

基于模糊推理的战时备件需求预测

针对战时多阶段备件需求的不确定性及阶段相关性特点,提出了基于模糊推理的战时备件需求预测方法。把体现作战意图的专家预测值与体现需求量阶段相关性的Markov 预测值结合起来,通过Mamdani 模糊推理规则及反模糊化给出最终备件需求预测值。采用语言变量描述备件需求量,定义了需求量模糊集合,并在Markov 预测需求量时直接采用该模糊集描述系统状态。实例表明该预测方法能有效用于缺乏历史需求记录的战时备件需求预测问题中。     

正态型不可修部件备件需求预测方法

为解决维修保障中备件需求预测形式复杂和精度不高的问题,以正态型不可修部件为对象,对备件需求 预测方法进行研究。从保障概率的角度出发,介绍与备件保障相关的指标,建立正态型部件保障概率模型,通过逆 运算确定满足保障概率条件的备件需求数量,给出寿命服从正态分布的部件备件需求量,通过案例得出精确预测方 法和近似预测方法的应用条件。预测结果表明,工程近似方法适合于确定较长时间的备件需求量。     

考虑使用环境的周转备件需求预测

为使周转备件需求预测更加贴合实际需要，构建了考虑使用环境影响的周转备件需求预测模型。在对使用环境对备件需求影响分析的基础上，引入了比例危害模型。给出了使用环境风险因素及其协变量、权重确定过程，构建了考虑使用环境影响的周转备件需求预测模型。案例分析表明，将使用环境纳入现有周转备件需求预测，预测结果相较于原有基准备件需求预测模型更加符合实际。     

基于改进Grey-Markov模型的导弹备件需求预测

导弹备件需求系统是复杂的系统,根据灰色预测和Markov的特点,给出Grey-Markov模型,用无偏GM（1,1）模型拟合备件需求的变化趋势,而进行Markov预测,在预测过程中,不断更新原始数据;通过对导弹备件需求预测表明,相比一般的灰色预测模型,该模型预测准确度（尤其是中长期预测中）得到了较大提高。     

基于LS-SVM的新机备件需求预测

为解决因新机备件历史消耗数据相对较少而给备件预测工作带来的困难,提出应用最小二乘支持向量机(least squares support vector machine,LS-SVM)回归算法来实现新机备件需求的预测.阐述了最小二乘支持向量机的基本原理,建立了新机备件需求的预测模型,选取核函数,采用LS-SVM对训练样本进行学习,对其网格结构参数进行训练,通过十字交叉验证(cross-validation)和网格搜索(grid-search)确定最优参数,利用训练后的LS-SVM对新机备件需求进行预测,并进行算例仿真.结果表明,LS-SVM在新机备件需求预测上表现优秀.     

基于改进马尔科夫模型的航空备件需求预测

针对时间序列法存在较大误差的问题,构建基于改进马尔科夫的航空备件需求预测模型。利用备件的历史数据计算出状态转移矩阵,以某飞行大队航材部门某型直升机备件的月统计消耗量为例,通过马尔科夫预测和改进的三步平均马尔科夫预测法对备件的需求状态概率进行预测分析。结果表明:在给定备件满足率的情况下,改进的马尔科夫预测法能取得更好的预测效果。     

美军装备备件需求预测应用现状及启示

针对我军装备备件保障中存在的需求预测手段落后的问题,对美军装备备件需求预测的研究和应用情况进行研究。分析了美军陆、海、空三军备件初始供应标准的确定方法,讨论了进行需求预测采用的常用方法,从目标和做法2个方面介绍了美军的改进计划。根据我军实际,从装备研制和使用2个阶段,提出了加强我军备件需求预测研究的策略。该研究将有助于推动我军装备备件保障的精确化水平。     

战时航材需求预测

针对战时航材需求的不确定性特点,采用神经网络与模糊逻辑相结合的方法,分别进行了战时航材需求基本量和战伤需求的预测。在战伤预测中将建模仿真预测和专家经验采用模糊逻辑相结合,既体现了建模仿真对战伤航材需求的预测,又体现了专家经验的重要性。根据具体情况进行了战场严酷度系数的确定,给出了战时航材需求预测的模型,提高了战时航材需求的预测精度。     

基于系统动力学的航母舰载机远海长航时有寿可修航材需求预测模型

针对现有需求预测方法不能较好地反映航母舰载机远海长航时航材消耗规律的问题,对舰载机远海长航 时有寿可修航材需求进行分析,构建在长期驻舰保障模式下有寿可修航材携行需求的系统动力学(system dynamics, SD)模型。通过对模型的运行与仿真得到有寿可修航材的携行需求量,验证模型的适用性和可行性。结果表明,该 方法对舰载机远海长航时有寿可修航材需求预测具有较高的指导价值。     

随机组合约束下的联合火力打击弹药需求预测模型

针对联合火力打击背景下弹药需求预测难的问题,基于武器装备对抗的损失交换比确定不同装备打击不同目标的有效战斗力指数,将有效战斗力指数大小作为衡量敌方目标对我方装备威胁度高低的评判标准,为弹药需求预测提供基本依据。按照对敌最大毁伤原则,建立以最大综合战斗力指数为目标函数的联合火力打击弹药需求预测模型。根据弹药需求量的影响因素设定多种约束条件,结合作战实际及战场态势对约束条件进行随机组合,并运用智能优化算法求解模型。结果表明：该方法合理有效、可操作性强,符合联合火力打击特点,实现了装备-弹药-目标最优编组模式下的弹药需求预测,为未来高技术战争的弹药需求预测开拓了新思路。     

基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测

为了解决装备器材历史需求数据少、需求规律不明确的问题,提出一种基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测方法。针对威布尔分布尺度参数未知以及形状和尺度参数均未知两种情况,分别基于贝叶斯方法通过解析求解和数值模拟的方式进行了参数估计,并引入柯尔莫哥洛夫-斯米尔诺夫检验法对寿命分布模型进行拟合优度检验;综合考虑修复性维修、预防性维修和装备器材的已使用时间,提出了基于蒙特卡洛仿真的部队装备器材年度需求预测方法。算例分析表明：小样本下通过贝叶斯估计得到的寿命分布模型拟合度高,基于仿真的需求预测方法简单、有效。     

基于时间序列法的半导体芯片生产需求预测

基于时间序列法的半导体芯片生产需求预测,通过LabVIEW编程,采用逆序及峰度偏度检验法对输入的历史信息进行数据预判,对符合条件数据序列进行模式识别.根据模型类用长自回归残差法进行参数估计,将AIC最小值定阶法、F定阶法和白度检验法结合进行精确定阶.以此建立符合实际生产需求的预测模型.     

基于粗糙灰色预测的装备维修资源需求预测模型

面向装备维修资源保障任务,首先采用粗糙集理论,通过属性约简算法,简化装备维修备件资源消耗影响因素,在此基础上利用灰色预测模型,对基于虚拟仓储的装备维修资源需求进行预测,通过与单一的灰色预测方法结果相比较,将粗糙集与灰色预测模型相融合的方法应用于装备维修备件资源预测的结果可靠、信息准确,并且预测值与实用值的相对误差和绝对误差很小,达到了准确预测的效果;从而验证了此模型与算法的有效性,为信息化战争中提高装备维修备件资源保障功能提供理论与方法支持。     

随机服务系统在装备需求预测与决策建模中的应用

为解决复杂约束条件下装备维修保障决策难题,运用随机服务系统原理进行装备需求预测与决策建模。结合装备维修保障需求预测与决策问题实际,系统分析随机服务系统模型的基本组成、分布规律、表示方法及主要模型和衡量指标,提出基于保障效率约束条件的装备维修保障需求预测与决策方法,结合装备维修保障实际建立了装备维修保障的损失函数概念,并运用实例验证了该方法的可行性和有效性。该研究结论对创新装备维修保障需求预测与决策方法,推进装备维修保障精确化发展具有一定的现实意义。