灰色关联支持向量机在备件库存消耗预测中的应用

备件库存消耗预测是多因素综合影响下的非线性、小样本预测问题,且不同备件消耗的影响因素有所差异。针对上述问题,提出了一种基于灰色关联分析和支持向量机回归相结合的备件库存消耗预测方法。首先利用灰色关联分析计算出各影响因子与备件库存消耗的灰色关联度,量化了各因子对备件库存消耗的影响程度;再将筛选出的主因子作为支持向量机的输入,并利用遗传算法对支持向量机参数进行寻优,避免人为选择参数的盲目性,从而有针对性地对机体不同备件进行预测。最后,通过实证分析,验证了该方法应用于备件库存消耗预测的有效性和优越性,预测精度高于传统的备件预测模型。     

基于消耗数据的备件储备标准研究

讨论了地空导弹武器装备备件分类方法,并通过对部队备件消耗数据的分析,确定了备件储备标准的原则及计算方法。并结合工作实际,对某些备件的储备标准进行了研究。     

预测混合交叉有效平滑法去噪声

本文研究了左预测和右预测及交叉有效（ＣＶ）平滑法，并证明了ＣＶ平滑中的两个限制条件。提出了预测混合ＣＶ平滑法去噪，能同时达到以上目的。分析了该方法的统计特性。并通过模拟试验了该方法，并与有限混合中值滤波（ＦＭＨ）法和自适应小波收缩法（ＷＳＡ）作了比较，试验结果说明了该方法是切实可行的，并优于ＦＭＨ和ＷＳＡ。     

提高弹道导弹落点预报精度的动弧平滑平均法

从多项式拟合出发,提出一种将中点平滑与滑动弧段相结合的动弧平滑平均算法,旨在提高弹道导弹轨道测定与落点预报的精度,该方法利用长测量数据段抑制随机误差的同时通过短弧段滑动减小了拟合误差.文中作了误差分析,证明动弧平滑平均法能够提高弹道导弹轨道测定与落点预报的精度,并给出算法的具体流程及弹道轨道根数的计算方法.     

基于BP神经网络的4G话务预测方法研究

目前常用的话务预测算法主要有移动平均法和指数平滑法,虽然可以达到一定精度的话务趋势预测,但对于短期话务量的周期性变化,例如潮汐效应等场景,传统的话务预测算法存在一定的缺陷。因此需要运用BP神经网络算法,进行更为精准智能的话务预测,以便支撑目前广东公司正在试点的载波动态调度,为潮汐载波调度提供算法依据。本文将对BP神经网络用于话务预测进行研究,并对模型的预测性能进行评价。     

利用logistic模型预测福建省移动电话用户规模

通常移动用户预测采用的方法有用户普及率法、移动平均法、趋势外推法和瑞利分布多因素法等方法,但这些方法各自有其局限性.该文将探索运用Logistic模型对移动电话用户规模进行预测的方法.通过对福建移动电话普及率的预测分析,得出Logistic模型预测方法在对移动电话用户数的预测方面具有非常强的科学性和实用性.     

移动IP的预测移动管理

移动IP使移动主机在移动中能够接入Internet而不中断正在的连接，但移动IP的切换时延较大，不能保证业务的平滑切换，本文提出了层次和预测移动管理的方法，结合无线域内的邻居单播，取得了移动IP的快速和平滑的切换，改善了业务的QOS，并减少了无线域内有线网络的负担。     

一种基础模糊理论的自适应数据平滑方法

针对情报雷达组网数据融合系统中目标融合航迹质量的优化方法进行研究,从人在融合系统中的作用出发,通过数据挖掘,寻找融合航迹质量优化途径,提出了基于模糊理论的自适应平滑方法,对移动平均法进行改进,得到二次平滑方法,并将模糊推理融入到其参数自适应调节。试验证明：该方法可很好地提高系统的融合航迹质量,为用户提供了高质量、高可靠性的融合态势数据。     

基于预测的平滑切换机制及其性能评价

针对微观移动协议现有切换机制存在的问题,提出了基于预测的平滑切换机制,该机制利用移动预测技术,在切换发生前预测移动主机将要切换的下一蜂窝以及切换的时刻,为移动主机预先建立新路径;为了保证基于预测的平滑切换机制的实现,提出了一个易于实现的简单移动预测算法--SMPA算法;通过理论分析和系统仿真的方法对基于预测的平滑切换机制进行了性能评价,结果表明该切换机制以相对较小的代价获得了可观的性能改善.     

掠地弹全弹道速度测量数据处理方法

分析了掠地火箭弹全弹道运动规律,给出了不同弹道段的多项式数据模型,基于变量差分法确定多项式阶数,由最小二乘法计算多项式系数。采用正交多项式进行平滑、滤波、预测及数据合理性检验,并通过径向速度修正和数据融合,得到更高精度的测速数据。在此基础上开发了数据处理软件,对实弹射击采集数据进行了处理。试验结果表明,该算法平滑滤波后数据误差明显降低,数据精度有较大的提高。因此,该数据处理方法是有效的。     

基于小波分析的导弹装备备件需求组合预测

针对导弹装备备件需求呈现非线性、非平稳的特征,提出了把小波分析理论应用于导弹装备备件需求预测的构想.首先根据总体评价指标来确定小波最佳分解级数,将备件需求时间序列分解到不同尺度上以减少原始序列的随机性和波动性;然后对具有平稳特性的高频信息用改进动态自适应隔代映射遗传算法和阻尼最小二乘法优化的ARMA模型进行预测,而对反映整体趋势的低频信息用GM（1,1）模型进行预测;再将各模型的预测结果进行叠加,从而得到原始序列的预测值.最后通过导弹装备备件需求的实例,验证了本方法的有有效性和可行性.     

基于BP-MC模型的大型机电设备备件需求预测研究

针对大型机电设备备件需求具有非线性和随机波动性的特点,建立基于马尔科夫链修正的BP神经网络预测模型．以提高模型的预测精度。通过对训练样本的学习,利用BP神经网络实现了对备件需求时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于实际预测中,结果表明该模型优于BP神经网络单项预测模型,具有精度高、科学可靠的特点,为大型机电设备备件需求预测提供了新的途径。     

Control-based life-cycle forecasting

In this paper, the authors lay out a process for effective monitoring and control of a life cycle forecast. This algorithm and forecasting technique is based on the idea that a forecast should not be changed unless it is shown to be an invalid forecast using standard statistical means. The approach is a control-based approach that serves to greatly reduce the amount of forecasting that must be performed and it does not harm the accuracy of the overall forecast. This work builds on earlier work by Foote (see IIE Trans., vol.27, p. 210-216, 1995) in the area of aircraft spare parts. At Compaq Computer Corporation, the amount of forecasting was cut by over 50% where this algorithm was implemented.     

计算机病毒发展态势预测算法的评估

对计算机病毒发展态势预测,能够提前对网络安全状况进行判断,有利于做好事前防范,并建立预警机制。目前对计算机病毒发展态势的预测还处于探索阶段,传统算法在此方面的预测效果也尚不明确。这里比较了多种预测算法,如移动平均、态势预测、季节变动预测及线性回归等方法在实际计算机病毒发展分析上的预测准确率。通过对不同时间跨度,不同类型计算机病毒数据进行深入分析发现,线性回归和季节变动算法能够较好地适应具有时间周期性的计算机病毒日志数据。     

EWMA forecast of normal system activity for computer intrusion detection

Intrusions into computer systems have caused many quality/reliability problems. Detecting intrusions is an important part of assuring the quality/reliability of computer systems by quickly detecting intrusions and associated quality/reliability problems in order to take corrective actions. In this paper, we present and compare two methods of forecasting normal activities in computer systems for intrusion detection. One forecasting method uses the average of long-term normal activities as the forecast. Another forecasting method uses the EWMA (exponentially weighted moving average) one-step-ahead forecast. We use a Markov chain model to learn and predict normal activities used in the EWMA forecasting method. A forecast of normal activities is used to detect a large deviation of the observed activities from the forecast as a possible intrusion into computer systems. A Chi square distance metric is used to measure the deviation of the observed activities from the forecast of normal activities. The two forecasting methods are tested on computer audit data of normal and intrusive activities for intrusion detection. The results indicate that the Chi square distance measure with the EWMA forecasting provides better performance in intrusion detection than that with the average-based forecasting method.     

某型地空导弹武器系统维修备件携带量模型分析

备件是实施装备维护和修理的重要物资基础,是影响装备战场抢修能力的重要因素。以某型地空导弹武器系统的平均战场抢修时间最短为目标,运用线性规划方法,确定最优化的维修备件携带量。     

PCB企业设备维修管理系统的开发

介绍PCB企业设备维修管理系统产生的背景,并结合我司设备[1]维修管理的运作特点,分析其设备维修管理的需求,研究和开发了以预防为主的设备维修管理系统,通过无纸化的管理作业实现了提升设备维修效率、减少停机时间保证生产不间断运行、严格控制备件消耗的设备管理的目标。     

A Web Services-Based Collaborative Planning, Forecasting, and Replenishment (CPFR) Framework for Managing Spare Parts of Semiconductor Equipment

In a semiconductor foundry, equipment failure has long been recognized as a major cause of unpredicted breakdown which results in an excessive production loss. Equipment maintenance management is one of the essential tasks in semiconductor manufacturing. Due to the prosperity of Internet and IT, e-diagnostics and e-maintenance through the web have become important applications in the semiconductor industry. Web services (WSs) can assist the data integration in heterogeneous e-manufacturing systems to support faster and remote maintenance functions. In this paper, a WS-based collaborative planning, forecasting and replenishment (CPFR) framework, namely WS-CPFR, is developed to collaboratively manage the logistics activities of spare parts in semiconductor equipment between equipment suppliers and semiconductor factories.      

考虑储备期间失效的可修复备件需求模型

备件数量决定了装备维修能力和保障水平,能否科学地预测备件数量,取决于备件需求计算模型建立的准确性。在此根据备件维修性将备件分为可修复件和不可修复件,针对可修复件的备件需求问题,在考虑储备期间发生故障的前提下,利用备件可靠性框图方法,建立单可修复件、多可修复件的备件需求计算模型,解决了备件考虑储备期间故障的实际需求。结合工作环境的影响对模型中的故障率进行修正,使模型更贴近实际需求。