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.     

Elman型神经网络在液体火箭发动机故障预测中的应用

提出一种将Elman神经网络应用于液体火箭发动机故障预测的模型,并进行了多参数多步预测。仿真计算结果表明,较传统的静态BP网络预测模型,该模型结构简单,动态特性好,对于液体火箭发动机重要参数的预测效果较好,收敛速度快且精度高,具有较好的非线性时序预测能力,说明其在液体火箭发动机的故障预测中应用的可行性。     

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。     

基于灰色残差修正理论的目标航迹预测方法

针对灰色理论在智能反坦克子弹药对地面目标航迹预测的精度问题,提出两种灰色残差修正的航迹预测模型：标准灰色残差修正模型(GRMM)和基于灰色Verhulst模型理论的灰色Verhulst残差修正模型(GVRMM)。建立目标航迹灰色预测模型,并分析了灰色模型的局限性;对预测值与测量值的残差序列采用GRMM和GVRMM两种模型进行了在线预估,并利用残差预测值对航迹预测值进行实时修正。通过仿真实验验证了基于在线残差修正机制的方法能够有效减少目标跟踪误差,GVRMM的误差修正效果更加明显,具有良好的实用性。     

火炮初速灰色预测建模与精度分析

火炮初速是受诸多因素制约的,可以利用灰预测对火炮初速进行预测.必须在测得4发以上的有效初速值后,才能利用灰色预测理论对数据进行建模分析,得到发射炮的火炮和装药批号初速偏差量,从而进行射击修正.应用GM(1,1)模型作数列灰预测,由于火炮初速是一个摆动量小的一维数组的预测,因此,火炮初速在建立了GM(1,1)模型后,必须以灰数列预测模型实施滚动检验对其精度进行必要的分析.     

舰空导弹武器装备寿命周期费用分析

针对传统费用分析方法在舰空导弹武器装备寿命周期费用预测中存在的不足,引入灰色理论的 GM(1,1)模型对寿命周期费用进行拟合和预测。同时为了进一步提高预测的精度,对 GM(1,1)模型加以改进,重构了背景值公式,通过与原有GM(1,1)模型预测结果进行比较,表明背景值优化后GM(1,1)模型的预测精度显著提高,可为舰空导弹武器装备的使用保障、退役和更新提供更为有效的决策依据。     

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.     

液体火箭发动机可靠性增长分析模型研究

液体火箭发动机可靠性要求高,试验费用昂贵,有必要采用可靠性增长分析技术指导可靠性增长决策,以减少试验费用、降低研制风险。结合液体火箭发动机小子样及可靠性增长的阶段性特点,提出采用基于信息折合的Bayes指数可靠性增长分析模型,综合利用产品全程试验信息,评估可靠性增长水平。在评估液体火箭发动机可靠性增长水平的基础上,结合改进的跟踪、增长与预测( MTGP)模型跟踪和预测可靠性水平,提供可靠性增长决策。研究表明,本文提出的方法可以科学分析液体火箭发动机的可靠性增长．指导可靠性增长决策,对于小子样、试验费用昂贵的产品具有广阔的应用前景。     

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。     

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。     

基于组合模型高精度预测弹丸径向速度的方法

利用连续波雷达测试弹丸径向速度时,会遇到弹丸、火炮、雷达及外界因素异常,测试的径向速度会出现缺失,导致递推出的炮口初速不准确。为此,选择建立合理的模型预测出缺失的径向速度对数据进行重构。雷达测试的径向速度属于一维数据,大口径弹丸的径向速度主要包含线性特征,小口径弹丸的径向速度既包含线性特征又包含非线性特征,都可以建立ARIMA模型、GM(1,1)灰色模型和回归模型进行预测。但是这些传统模型有时预测能力比较局限,预测精度不理想。为了充分整合所有模型的预测优势,提高预测精度,选择建立组合模型进行预测。针对大口径弹丸,建立由ARIMA、GM(1,1)和一阶线性回归方程构建的组合模型进行预测,针对小口径弹丸,建立由ARIMA、GM(1,1)和二次多项式回归方程构建的组合模型进行预测,为了保证预测精度,按照迭代的方式进行预测。实验结果表明,无论是大口径弹丸还是小口径弹丸,组合模型的预测精度始终高于单项模型,平均相对误差小于1‰,更加适合作为弹丸径向速度的预测模型。     

分数阶离散灰色模型及其在备件需求预测中的应用

针对某型新概念武器装备缺乏可比对的现有装备,备件需求历史数据少,对装备本身保障特性缺乏了解等问题,提出应用分数阶GM(r,1)模型进行备件需求预测的方法。应用矩阵扰动理论证明了GM(r,1)模型的扰动界小于GM(1,1)模型的扰动界。利用1阶累加矩阵及其矩阵乘法运算推导出p阶累加矩阵。应用分数阶差分方程理论,将p阶累加矩阵推广到r分数阶累加矩阵,建立分数阶累加灰色模型GM(r,1)。通过矩阵求逆运算,得到r分数阶累减矩阵,简化了r分数阶累减计算方法。应用遗传算法确定GM(r,1)模型最优阶数,利用GM(r,1)模型预测维修备件需求,并通过实际数据实验,表明GM(r,1)模型比GM(1,1)模型具有更好的预测性能。     

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。     

基于灰色马尔可夫模型的装备故障间隔期预测研究

针对武器装备故障间隔期预测的难点,提出了在灰色GM(1,1) 模型的基础上建立灰色马尔可夫组合模型进行故障间隔期的预测。在分析典型电子装备故障率曲线的基础上,根据电子装备的故障特点,形成合理的建模背景,建立组合模型对装备故障间隔期进行预测。通过实例对预测值和真实值进行比较,表明在“少数据冶、“贫信息冶、“ 不确定冶的情况下利用该组合模型预测故障间隔期的有效性,有效降低预测误差,提高预测精度。