航材消耗广义加权函数比例平均组合预测模型

提出一种新的组合预测模型--广义加权函数比例平均组合预测模型,并利用二次规 划算法给出其加权系数的参数估计方法.同时,针对航材消耗的季节性与波动性特点,建立了航 材消耗预测的灰色系统模型与神经网络模型,最后建立了基于灰色系统与神经网络的航材消耗 广义加权函数比例平均组合预测模型并以实例说明了其预测效果.     

基于指数平滑法的航材消耗定额预测研究

由于一次、二次和三次指数平滑法对不同消耗规律的航材预测拟合度不同,本文同时采用这三种指数平滑法进行航材消耗定额预测,其平滑系数采用使误差平方和最小的值,最后选择三种方法中误差平方和最小的结果作为航材消耗定额。预测结果表明综合利用三种指数平滑法进行预测要比单一方法预测更加准确,该研究方法具有较高的实用性和推广性。     

关联规则挖掘在航材保障中的应用

本文以航材保障为背景,介绍了关联规则以及其经典算法Apriori,并以航材保障中器材消耗的潜在规则为例,详细描述了对Apriori算法的改进,使器材消耗规则挖掘更加准确、高效.     

基于遗传算法的航材库存控制优化模型

航材备件库存优化是航空公司减少资金占用、增加经济效益的关键问题,常见的方法大都采用线性规划建模,且缺乏对航材整体保障率的综合考虑。针对上述问题,文中以高价周转件为对象,从航材保障率的基本定义出发,建立了一个既考虑航材总体保障率,又考虑航材总体占用资金较少的线性规划模型,并采用遗传算法对该模型求解。结果表明,在不降低航材整体保障率的前提下,和波音公司首期备件清单推荐的备件数相比,文中的模型无论是在备件数量还是在备件占用资金总量上,都有大幅度降低。     

基于案例推理方法的相似航材需求预测

海军航空兵发展很快,出现的新机型较多。根据航材的发展具有同源性和继承性的规律特点,深入分析航材的特性,应用案例推理的相关理论,构建相似航材确定的模型方法。并通过实例验证该方法的科学性,对新机型航材保障工作提供理论依据。     

基于可靠性数据的航材周转件库存管理优化

为了降低库存费用、保持飞机持续适航、降低航空公司运营成本,通过分析大量的航材可靠性数据,使用SPSS中K-S检验分析得出航材周转件分布模型,进一步确定最优库存量,使航材在订货期间内的保障率达到95%以上。在此基础上建立经济定量订货模型,并用循环剔除法求得季节指数用于对算例进行求解优化,提高航材采购数量的准确性。     

基于BP神经网络的飞机娱乐系统采购短期预测

针对传统航材采购决策行为的局限性,研究了基于BP神经网络的航材采购短期预测方法,拟在建立BP神经网络模型的基础上,将BP神经网络模型运用到航材采购量短期预测中来,根据历史数据建立BP神经网络对其进行训练形成飞机娱乐系统采购量预测模型。阐明神经网络在决策时能提供更多的支持信息,实现采购数量科学化。并进一步通过预测结果说明基于神经网络的航材采购量短期预测是一个行之有效的方法,为民航航材集中采购的理论和方法提供借鉴和参考。     

机群更换部件使用保障过程仿真

研究费用与机群完好率之间的关系一直是备件保障研究的中心问题，此问题最终归结于研究备件库存种类与数量对机群完好率的影响。该文通过研究飞机可更换部件的使用与保障过程，建立其使用保障过程模型，并通过仿真模拟可更换部件的消耗过程。目的在于寻求可更换部件缺航材率与机群完好率指标之间的关系，为机群在未来一段时间内备件的库存水平决策提供支持。最后通过一个实例介绍如何通过仿真建立机群完好率与部件缺航材率的函数关系。     

基于模糊变权组合预测模型的航材预测

由于航材预测的发展,每一种航材的预测模型有很多种。不同模型的预测模型体现了预测对象不同方向的发展趋势,合理地处理信息可以更加全面地预测航材需求趋势。模糊变权组合预测模型不同于传统组合预测模型,它采用权重系数为三角模糊数来组合不同预测模型结果,并以单项预测方法预测精确度指数最小为准则,集成处理得到较窄的取值范围来帮助航材预测决策。最后以实例验证方式检验该模型的有效性和准确性,具有一定的实用性。     

航材库存系统鲁棒方差控制

为实现民航飞机航材库存科学管理,将鲁棒控制理论与实际维修航材管理相结合,把“维修生产-库存-航材补充”系统看作一个广义物理系统,使用LMI鲁棒方差控制理论解决库存优化问题.针对实际轮胎库存建立了与LMI理论相应的系统模型;使用Matlab工具完成了库存鲁棒方差控制仿真研究.结合航空公司实际航材损耗过程中存在的不确定性,...     

A novel approach for sand liquefaction prediction via local mean-based pseudo nearest neighbor algorithm and its engineering application

The prediction method plays crucial roles in accurate prediction of sand liquefaction. Recently, machine learning has been widely used for prediction of sand liquefaction, and the Local Mean-based Pseudo Nearest Neighbor (LMPNN) algorithm, one of machine learning techniques, showed good performance in pattern recognition. In this study, we propose a sand liquefaction prediction model based on the LMPNN algorithm, which is the first work of applying the LMPNN algorithm to sand liquefaction prediction. Then, our proposed prediction model is used for evaluation of site liquefaction grade in Tongzhou District of China. And the comparison between our proposed prediction model with the liquefaction evaluation method in the Chinese code is made, which will provide an important approach to predicting the sand liquefaction grades for the major construction project sites. Extensive experiments on grade prediction demonstrate that the effectiveness of our proposed prediction model based on the LMPNN algorithm. In addition, shaking table test of an engineering site model is conducted for evaluating whether this engineering site model is liquefaction and non-liquefaction or not. And the experiment result of the shaking table test is the same as that of our proposed prediction model based on LMPNN algorithm, which further demonstrates the effectiveness of our proposed prediction model. Consequently, our proposed prediction model is proved to have a good prospect of engineering application in the liquefaction prediction.     

小波神经网络预测模型的仿真实现

针对神经网络预测模型在对非线性序列进行预测时,容易陷入局部次优点,训练速度慢的缺点,在传统神经网络预测模型的基础上,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型.介绍了小波神经网络预测模型的构建,仿真模型和仿真算法,并把小波神经网络预测模型在matlab7.0以网络流量的预测对模型进行了效果检验,得出了预测精度较高的预测结果,并且克服了容易陷入局部次优点的缺点,同时训练速度较之神经网络预测模型大大提高.     

基于ARIMA-BP组合模型的房地产价格预测方法研究

针对使用单一预测模型存在数据特征提取不充分,预测精度不高的问题,提出了一种基于ARIMA-BP组合模型的房地产价格预测方法。结合ARIMA模型处理线性问题的优势以及BP神经网络模型在非线性问题上的优势,利用误差方差加权平均训练法训练出最佳权重的组合并建立组合模型对某市区房地产价格和趋势预测进行实证分析。理论分析和实验结果表明,所提两者的组合模型有效解决了不能充分提取数据特征,预测精度不理想的问题,比单一预测模型能获得更准确的预测效果。     

基于新闻文本的上市公司财务困境组合预测模型

已有上市公司财务困境预测模型主要是基于结构化数据进行研究,为进一步提高上市公司财务困境预测模型准确率,本文将非结构化数据引入上市公司财务困境预测问题中,研究了基于新闻文本分类的上市公司财务困境预测模型,结合新闻文本信息和财务信息提出上市公司财务困境组合预测模型。本文首先将新闻数据进行预处理,然后基于新闻文本数据通过支持向量机（SVM）进行财务困境预测,同时基于财务数据通过Logistic模型进行财务困境预测,最后采用阈值表决集成策略整合两种模型的预测结果,实验结果证明了模型的有效性。     

网络流量预测模型研究进展

网络流量预测的关键是建立相应的数学模型.介绍了网络流量预测模型的基本概念和分类,指出了单一预测模型存在的问题.从模型构建原理出发,重点对组合预测模型进行了系统的分类,将其分为线性组合模型、优化组合模型、分解重构组合模型,介绍了各组合模型的相关研究进展,并分析了它们的特点和适用范围,指出组合预测模型能更精确、全面地预测流量.针对流量预测目前存在的问题,对未来研究趋势提出了几点思考.     

A nonlinear prediction model for Chinese speech signal based on RBF neural network

A novel method for Chinese speech time series prediction model is proposed. In order to reconstruct the phase space of Chinese speech signal, the delay time and embedding dimension are calculated by C–C method and false nearest neighbor algorithm. The maximum lyapunov exponent and correlation dimension of Chinese speech phoneme are calculated by wolf algorithm and genetic programming algorithm. The numerical results show that there exists nonlinear characteristics in Chinese speech signal. Based on the analysis method of RBF neural network and the nonlinear characteristic parameters such as the delay time and embedding dimension, a nonlinear prediction model is designed. In order to further verify the prediction performance of the designed prediction model, waveform comparison and four evaluation indexes are used. It is shown that compared with the linear prediction model and back propagation neural network nonlinear prediction model, prediction error of the RBF neural network nonlinear prediction model is significantly reduced, and the model has higher prediction accuracy and prediction performance.

     

基于最小误差化的GM(1,1)模型的优化及应用

预测是适应社会经济的发展和需要而产生的对未来发展趋势进行分析的一种手段,灰色预测模型是预测理论在应用中被广泛使用的一种预测方法,和其他预测方法一样灰色预测模型存在着一定的局限性,因此对灰色预测模型的研究具有重要意义。本文论述了灰色预测模型GM(1,1)的使用现状,通过对模型公式的分析,指出了该预测模型存在的缺陷,结合对模型初值合理选取和利用积分中值定理拟合真实背景值的方法,对模型进行优化改进。最后以上海白莲泾河监测数据作为原始数据序列,对模型进行了应用和验证,实践证明,优化前后模型精度有了一定提高。     

一种基于粒子群优化算法的组合预测模型

本文首先分析了若干传统的预测方法,提出了一种组合预测模型,在该模型中利用加权系数对各种预测方法进行组合,集成不同来源的预测结果,从不同的侧面反映整个预测过程,力图使预测结果更加精确。在各种预测方法加权系数的确定上,利用PSO快速全局优化的特点,可以减少试算的盲目性,提高模型预测的准确性。     

多阶灰色支持向量机集成预测模型研究

对灰色预测模型GM(1,1)和支持向量机SVM预测模型进行分析,提出了多阶灰色支持向量机集成预测模型Dm_GM(1,1)-SVM。通过多阶缓冲算子改进灰色预测模型的预测精度,对最终预测值的各个相关指标进行预测;同时,采用粒子群优化算法对支持向量机模型进行径向基核参数和惩罚参数寻优,得到最佳参数对(c,g),从而确定支持向量机的最佳回归模型;最后将各指标预测值作为支持向量机模型的输入,依据预测模型和预测模型的输入值求得预测结果。实验实例表明,多阶灰色支持向量机集成模型和传统的预测模型相比,在本例中预测精度更高,说明多阶灰色预测模型和支持向量机模型相结合在解决实际预测问题中具有实用价值。     

基于背景值和结构相容性改进的多维灰色预测模型

现有的多变量灰色预测模型的背景值估计误差及模型结构单一是导致该模型预测性能不稳定的重要因素,致使该模型在实际预测领域中应用并不广泛.本文通过分析背景值函数的几何意义,结合积分几何面积公式,提出一种改进的背景值优化方法,使预测模型在背景值系数的选取上更加灵活.在此基础上,模型中加入灰色作用量,提出一种改进背景值及结构相容...