基于组合模型预测火炮初速的研究与应用

火炮初速决定着在复杂战场环境中能否准确打击敌人,而准确预测出火炮初速关系到在不经试射的情况下能否成功命中目标。预测火炮初速往往采用某种单一模型,虽然建模简单但是只能提取出火炮初速中的某一特征,从而导致预测精度并不理想。针对这种情况,选取了某型火炮3组不同的初速数据进行分析,提出利用ARIMA时间序列模型、GM(1,1)灰色模型及BP神经网络模型进行预测,既能提取出火炮初速中的线性成分又能提取出非线性成分,同时为了最大限度发挥出单一模型的预测优势,利用3个单一模型建立了组合模型,并利用实测数据对各个模型预测精度进行了检验。结果表明,组合模型能更好地发挥出所有模型的预测优势,预测精度更高,更适合作为火炮初速预测的有效模型。     

基于遗传算法优化LSSVM的初速预测

利用两台初速雷达测试弹丸炮口初速的试验中,当一台雷达的数据出现缺失时,通过建模预测出缺失的数据成为一项必要的工作。预测初速主要采用GM(1,1)模型,但是该模型并不完全适合预测初速,所以预测精度不理想。通过深入分析两台雷达之间的关联性,选择把两台雷达的数据进行融合,同时根据弹丸初速自身的特征,选择建立遗传算法优化LSSVM对缺失的数据进行预测。实验验证时,选择ARIMA模型、GM(1,1)模型、支持向量回归机、BP神经网络作为对比模型,两次验证的结果表明,遗传算法优化LSSVM的预测精度最高,误差远小于1‰,达到了初速雷达测试弹丸初速的误差标准,是预测弹丸初速的最佳模型。     

灰色模型GM(1,1)模型在电力市场分析预测中的应用

电力市场分析预测,采用灰色模型GM(1,1),通过语言、网络、量化、动态及优化等五个模型,对具体负荷进行预测.其负荷预测灰色模型的建立,需不断的将下一阶段中所得的结果回馈,经过多次循环往复,才能使整个模型逐步趋于完善实现函数逼近,建立精准模型.并以某地历年三月的负荷为例,预测并验证了负载的精度.     

基于改进GM(1,1)模型的捷联惯组误差系数建模预测

针对捷联惯性测量组合测试数据小样本预测建模问题,研究一种改进的GM(1,1)模型。该模型是对服从非齐次指数增长规律的数据建模,克服传统GM(1,1)模型指数规律的不足。首先给出推广GM(1,1)模型的微分方程形式,考虑初值对模型的影响,建立优化灰色模型,并将其精确离散化,通过精确的离散化模型求取模型参数,提高了模型精度。该模型为捷联惯组测试数据预报提供了一种新的方法。实例验证本文所研究模型预测效果好于原推广GM(1,1)模型。     

改进灰色残差模型在航迹预测中的应用

为了提高航迹预测的准确度,加强对来袭目标的打击效果,提出一种改进灰色残差模型对目标航迹进行预测.该方法将灰色GM(1,1)模型与支持向量回归机相结合,通过对原始航迹数据建立灰色模型得到预测值以及残差序列,提出的改进残差模型运用支持向量回归机非线性拟合的能力对预测值进行修正,在一定程度上克服了GM(1,1)模型的缺陷,使模型预测结果的精度得以提升.分别使用灰色GM(1,1)模型、灰色残差GM(1,1)模型、改进灰色残差GM(1,1)模型3种方法对同一航迹进行预测并对预测的结果进行对比.计算结果表明:该改进模型在航迹数据变化较大的情况下能够较为精确地对航迹进行预测,有较高的理论和实用参考价值.     

基于灰色模型的艇载导弹测试电源系统故障预测

针对艇载导弹测试电源系统故障分析问题,提出一种基于灰色模型的艇载导弹测试电源系统故障预测方法。为了提高导弹地面电源的工作效率,从分析历史检测数据入手,采用灰色理论的分析方法,建立了适合导弹地面电源故障时间预测的 GM(1,1)模型,详细阐述了模型检验的方法,并通过实例清晰地说明了模型运用和检验的具体步骤。数据检验结果表明：该故障预测模型不但能够较好地模拟历史灾变数据,而且其预测的故障时间与实际情况相吻合。     

基于故障规律的导弹备件消耗预测

针对导弹备件消耗存在波动性而难以准确预测的问题,在分析导弹备件消耗与导弹装备故障关系的基础上,提出了根据导弹装备故障规律来预测导弹备件消耗的思路。首先建立了导弹装备故障次数灰色预测模型;然后重点从导弹故障件流程分析、故障件相关参数的确定和消耗量计算公式的推导着手,建立了导弹备件消耗预测模型。算例结果表明,基于故障规律的导弹备件消耗预测方法具有较高的精度。该方法从备件产生的根源角度分析备件的消耗,具有重要的理论意义和实用价值。     

基于组合神经网络的装备研制费用预测研究

利用组合神经网络预测法.对装备研制费用进行预测研究.采用了两层预测系统第一层用灰色模型和神经网络分别对装备研制费用进行预测,第二层用BP网络对第一层的输出进行组合预测.通过对某型装备研制费用的预测分析,证实了本模型的科学性与正确性.     

基于神经网络回归分析组合模型的能源消耗预测研究

通过对时间序列数据进行处理,分别建立回归分析预测模型和BP神经网络预测模型,在此基础上建立基于2种预测方法的组合预测模型。采用熵值法确定组合预测模型的权系数。结合某省能源消耗总量数据进行仿真,结果与实际数据的误差较小,和2种单一的预测方法相比,预测结果更接近于实际情况。     

基于时间连续灰色Markov模型的维修器材需求预测方法研究

运用时间连续且状态离散的灰色Markov过程模型,对装备维修器材的需求量进行了预测。根据装备维修器材消耗历史数据的变化幅度和数据的分布情况来划分状态区间。由各区间状态的转换情况得到Markov模型状态间的一步转移概率,论证与运用Kolmogorov微分方程求解各状态概率的时间函数并建立状态概率预测式,根据预测状态的概率值确定了灰色预测值的定位系数并求解预测值。算例分析表明,在预测维修器材需求量数据时,灰色Markov改进模型的预测精度较GM(1, 1)模型、一般灰色Markov残差修正模型以及时间离散灰色Markov链预测模型有了稳定提高,证明了该模型的有效性和实用性。     

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数（RBF）神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

金属圆锥体对侵彻弹丸的导偏效果预测模型研究

研究射弹的运动姿态变化规律对攻击和防护都有十分重要的意义。研究了弹丸受到偏转力作用下的动力学过程,分析弹丸各运动参数的改变规律;深入分析弹丸撞击并侵彻金属圆锥体现象,建立了实心圆锥体对侵彻弹丸的导偏效果预测模型;分析比较空心金属圆锥体与实心金属圆锥体对弹丸导偏过程的差异,利用调整系数对实心圆锥体导偏效果预测模型进行修正,得到了空心圆锥体导偏效果预测模型;利用试验数据对空心圆锥体导偏效果预测模型进行了计算验证,结果表明吻合情况良好。     

灰色系统理论在舰船装备剩余寿命预测中的应用

引入灰色预测原理预测在役舰船装备的剩余使用寿命,通过设定一等时段舰船装备结构损伤系数时间数列、确定累加生成数列、利用最小二乘法求得相关参数值、求解微分方程等步骤建立GM（1,1）预测模型。然后利用残差修正偏差值并对模型进行修正。实例说明该方法简单适用,最终实现了舰船装备结构剩余使用寿命的预测。     

高阶残差修正GM(1,1)区间预测模型及其应用

提出了一种Markov高阶残差修正GM(1,1)区间模型,在GM(1,1)模型的基础上对拟合数据残差项的绝对值运用Markov模型进行数据拟合,通过将残差项叠加的方式逼近数据真实值.根据残差项的正负状态构建了预测区间,并通过数值模拟论证了预测区间的适用范围与合理性,运用Markov模型对预测区间进行了修正和改进,给出了Markov高阶残差预测区间的表达式.分析结果表明,模型弱化了灰色发展系数的取值条件,并且计算修正残差的阶数越高,预测区间结果可靠性越高,避免了根据概率大小选择预测结果所产生的预测风险,提高了预测结果的可靠性.     

基于数据融合和改进新陈代谢不等间距GM(11)模型的导弹装备故障预测

针对导弹装备故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴数据融合技术和灰色预测理论,提出一种基于数据融合和改进新陈代谢不等间距灰色模型（AMUGM(1,1)）的预测方法。建立改进初始值选取和背景值构造的不等间距灰色模型,并通过残差修正和新陈代谢相结合的方式对模型进行优化;基于加权思想提出了隶属度加权法,以确定各模型的隶属度权值;根据隶属度权值和AMUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了该方法的有效性。