GM(1,1)模型在航材消耗预测中的应用

传统的预测方法很难对部分消耗数据少、影响因素不明确的航材进行准确预测。运用灰色GM(1,1)模型,可以对"小样本"、贫信息"这类航材进行更为准确的消耗预测。     

基于马尔科夫分析的航材消耗预测

准确预测航材消耗量对保障飞行意义重大,航材消耗的特点符合马尔科夫过程。马尔科夫预测是关于事件发生概率预测的方法,通过示例分析表明在样本数据符合条件的情况下运用马尔科夫分析对航材消耗进行预测能够取得较好的预测效果。     

无寿可修航材消耗定额模型

根据航材需求差均比大于、等于或小于1三种情况,提出负二项分布、泊松分布和二项分布三种需求分布。对服从泊松分布的二层级航材需求问题,采用负二项分布改进预测精确性。用满足率作为航材保障程度的衡量标准,并根据航材消耗定额的影响因素制定最低满足率。以给定的总保障经费和最低满足率为约束条件,总满足率最大为目标函数,建立航材消耗定额模型,采用边际分析法求解。算例证明本模型的预测效果良好。     

基于良好率的航材保障经费预测

采用了航材保障良好率作为航材保障的效能指标,建立了航材保障良好率的数学模型。以航材保障经费为资源,平均航材保障良好率达到最大为目标函数,建立了航材保障经费的优化配置模型。用边际分析法求解,并建立了最优递推方程。通过实例演示了如何利用配置模型进行预测,计算工具是Matlab,进行了数值实验和理论分析,结果表明该模型具有良好的优化效果和实用性。     

基于费效分析的航材有寿件消耗定额模型

航材消耗定额一直利用经验制定,实用性较差。根据有寿件的故障规律,将有寿件的消耗定额分为到寿故障消耗定额和随机故障消耗定额两部分,分别建立了相应的数学模型。其中,随机故障消耗定额模型以航材系统满足率为目标,给定保障经费和最低满足率为约束条件,最优解即为经过优化配置的随机故障消耗定额。与传统的消耗定额制定方法相比,本模型具有良好的科学性和实用性。     

航材供应标准的基础性问题分析与研究

航材供应标准是航材保障单位制定航材订货计划和经费计划的基本依据,也是航材保障精确化管理的重要内容。本文针对航材消耗影响因素和航材故障与消耗数据这两个影响制定航材供应标准的基础性问题进行了分析研究,为科学制定航材供应标准提供了决策支持。     

HF飞机航材存贮模型研究

通过对HF飞机现状的分析.将航材分为动部件与消耗件,对航材的存贮策略进行了初步探讨。对航材收益与损失进行量化.利用边际分析法推导出最佳存贮量的求解模型.最后对模型进行了实例验证。     

航材消耗定额管理研究

针对航材消耗定额管理方法缺乏研究的问题,本文提出从航材消耗定额的制定与审批、执行、评估与修订等方面开展研究。本文对于航材保障进一步精确化、标准化具有重要参考价值。     

聚类分析在航材分类上的应用

针对航材种类繁多、规格复杂、消耗规律多样导致航材消耗研究较困难的问题,提出采用聚类分析方法根据历年航材消耗数据对大量航材进行分类,为避免量纲的影响采用马氏距离进行样本间相似性度量,为全面反映样本类间的相似性采用离差平方和进行类与类间的相似性度量。算例给出了利用聚类分析方法对一定量的样本进行分类的步骤和方法,结果表明分类效果显著。     

基于支持向量机的多准则航材ABC分类法

分析了传统的ABC分类法在航材分类中应用的问题,将航材的单价、采购提前期、平均故障间隔时间、年消耗量、重要度等级作为分类准则,运用支持向量机多分类原理对航材进行ABC分类,通过与传统ABC分类的比较,验证了此分类方法的有效性、优越性,提高了航材管理的科学性。     

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。     

城市道路交通噪声预测模式的选择

通过对宝鸡16条交通干道的噪声监测值和预测模值的比较,将预测值同实际测量数据进行比较,分析其误差及其规律性。FHWA预测模式在城市交通噪声预测中总体上优于交通部预测模式。     

基于注意力机制的LSTM股价趋势预测研究

针对中国股票市场,提出了一种基于注意力机制的LSTM股价趋势预测模型。选取42只中国上证50从2009年到2017年的股票数据为实验对象,根据股票市场普遍认可的经验规则,分别对每个技术指标进行量化处理得到股票涨跌的趋势数据,并和交易数据混合作为预测模型的输入,然后使用基于注意力机制的LSTM模型提取股价趋势特征进行预测。实验结果表明:引入股票离散型趋势数据到预测模型中,能够在已有交易数据和技术指标的基础上提升预测精确度,与传统的机器学习模型SVM和单一的LSTM模型相比,基于注意力机制的LSTM模型具有更好的预测能力。     

基于GM(1,1)残差模型的铁路客运量预测

运用灰色GM(1,1)模型,对铁路客运量进行预测,再用GM(1,1)残差模型进行修正,得出精度很高的预测模型,结合实际统计数据对预测结果的精度进行检验。结果显示,GM(1,1)残差模型的预测结果比灰色GM(1,1)模型有更高的预测精度。基于此,对2009~2014年广西壮族自治区铁路客运量进行预测。     

Z-score预警模型的研究与分析

本文对Z-score预警模型进行了新的研究,将模型中各财务比率的权数及常数项进行调查;并对各模型预测概率进行比较,以获得其预测准确率;然后在此基础上提出P模型(百分数模型),同时用ST公司和非ST公司的财务数据对P模型进行实证检测分析。     

基于SVM的静压管桩单桩极限承载力预测

为了提高静压管桩单桩极限承载力的预测精度,本文在构建的静压管桩单桩极限承载力指标体系的基础上,建立了静压管桩单桩极限承载力的支持向量机预测模型,应用该模型对实际工程中静压管桩单桩极限承载力进行预测,并运用BP神经网络预测模型与其做对比,试验结果表明,支持向量机对静压管桩单桩极限承载力具有较好的预测性能。     

电力系统中长期负荷预测方法的研究与程序设计

文章探讨了电力系统负荷的组成、特点,在分析比较常用的预测方法优缺点的基础之上,采用了灰色．预测法与回归法相结合的方法建立了中长期负荷预测模型,把负荷预测工作分为2个部分：即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。该模型充分利用了灰色预测法要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点及回归法能够考虑到负荷所受的多种因素的特点,模型参数估许技术比较成熟,预测过程简单。     

基于预测能力的扩展极限边界分析法

本文在传统EBA方法的基础上,将其引入到时间序列中,构建以预测为导向的AEBA模型选择方法。AEBA在模型选择上更注重于模型的预测能力,在稳健性检验上细分为模型稳健性检验与参数稳健性检验两部分,提出了基于时间序列预测能力的检验方法。最后实证示例用AEBA方法对影响石油股票指数收益率的因素进行了研究,表明该方法选择的模型的预测能力,特别是短期预测能力要显著强于CAPM、三因子模型、ARMA以及VAR。     

电力系统中长期负荷预测方法的研究与程序设计

文章探讨了电力系统负荷的组成、特点,在分析比较常用的预测方法优缺点的基础之上,采用了灰色预测法与回归法相结合的方法建立了中长期负荷预测模型,把负荷预测工作分为2个部分:即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。该模型充分利用了灰色预测法要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点及回归法能够考虑到负荷所受的多种因素的特点,模型参数估计技术比较成熟,预测过程简单。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。