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。     

液体火箭发动机点火初期推力参数预测

为寻找快捷有效的液体火箭发动机健康监控方法,采用了灰色模型GM(1,1)模型及残差修正方法对某型液体火箭发动机点火后初期推力进行预测,预测精度与实时性能指标都比较好.为进一步提高精度指标,采用无偏灰色模型UGM(1,1)进行预测,取得了良好的效果.结果表明,灰色理论通过修正可以应用于液体火箭发动机状态监测与预报中,且效果好.     

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。     

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。     

基于改进GM(1,1)模型的引信系统贮存寿命预测方法

针对引信系统复杂、贮存样本量受限、测试数据波动性较大等问题,提出了基于改进GM(1,1)模型的引信系统贮存寿命预测方法。该方法在利用"指数-对数变换"对原始数据预先进行光滑处理的基础上,通过建立GM(1,1)模型和残差修正模型,推导出对引信系统贮存寿命预测的改进算法。实例分析表明,该方法具有预测精度高、适用范围广、通用性强等优点,可推广用于类似系统或设备的寿命预估。     

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。     

基于新息灰预测的导弹遥测参数预测算法研究

为了在导弹飞行中判决导弹故障,建立基于新息的灰预测算法。利用GM(1,1)模型的每一个预测值替换掉最老的一个信息,以实现新陈代谢,然后再以补充了新信息但序列长度不变的预测序列对反映导弹工作状态的遥测关键参数进行实时预测。通过Matlab仿真软件对原有GM(1,1)模型和改进的GM(1,1)模型进行分析比较,验证了改进后GM(1,1)模型预测精度比较高,易于实现,适合导弹故障的实时预测。     

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。     

基于灰色马尔可夫模型的装备维修备件需求预测

针对武器装备维修备件需求量预测的难点,在全面分析各种预测方法的基础上,根据武器装备维修备件需求量是典型的小子样和贫信息的特点,在灰色GM(1,1)模型的基础上建立了灰色马尔可夫模型,并通过具体的实例进行验证,结果表明,灰色马尔可夫模型对具有随机性和波动性的非平稳随机序列具有很好的拟合效果,为武器装备维修备件需求量预测提供了一种新的途径和方法。     

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。     

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。     

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。     

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。