基于灰色神经网络融合算法的油料消耗量预测研究

后方油库油料消耗量指的是在油料供应过程中．以调拨、转供或代供的形式从本油库发出的油料数量,消耗量的科学预测是油料供应管理过程中重要的一环。本文通过对灰色RBF神经网络的研究,建立了基于灰色神经网络融合算法的油料消耗预测模型。并利用实例验证了模型的实用性。     

基于灰色——马尔可夫链的军队油料保障需求组合预测研究

油料保障需求预测并不是最终目的，其作用和价值在于为油料保障决策提供科学可靠的依据，谋求最佳军事经济效益。正确的预测军队油料保障需求有利于有计划的组织油料运输，实施油料补给，筹划油料保障力量；有利于针对不同作战规模、作战样式，优化油料储备规模，合理配置油料储备，高效利用油料保障资源。笔者引入灰色——马尔可夫链组合预测方法，并以某部队油料保障需求历史数据为基础，     

基于灰色动态神经网络的油料装备制造成本预测

在分析油料装备制造成本影响因素的基础上，建立了基于灰色动态神经网络预测油料装备制造成本预测模型。提出灰色动态神经网络结构，论述了数据预处理与灰色预测方法，采用隐含层维数动态调整算法优化网络结构。通过应用实例阐明该模型的研究，可有效地提高油料装备制造成本预测的精度.     

灰色RBF神经网络模型在军用油料消耗预测中的应用

油料消耗需求预测，是通过对各部队历史油料消耗统计的归纳分析，采用适当的预测模型，推算其在下一时间节点前所需的油料品种、数量的决策活动。科学预测部队油料消耗量对用油单位编报申请计划，油料管理部门分配油料指标以及上级调拨决策人员制定订购、调拨计划都具有重要的辅助决策意义。     

基于支持向量机的油料消耗预测模型研究

油料消耗预测是科学地进行油料供应管理工作的重要环节。当前部队油料消耗突发性强、可借鉴历史数据少，必须使用最近一段时间的油料消耗数据作为预测数据，即是有限样本。在此基础上提出支持向量机进行预测。     

军队油料消耗预测策略研究

首先对纷繁复杂的科学预测方法进行归纳，详细分析了其中具有代表性的七种预测方法，并总结了每种方法的特点和适用条件，进而提出了军队油料消耗预测方法选取原则，最后提出了军队油料消耗预测策略，为建设油料管理专家系统提供基础性探索和研究。     

基于灰色预测模型的铁路客运量预测研究

在介绍灰色预测基本原理和算法的基础上,应用灰色预测理论开发了基于MATLAB的铁路客运量预测程序,主要功能是以交互的方式输入数据,动态输出显示模型曲线图形和方程。通过建立株洲站旅客发送量的灰色预测模型,说明利用灰色模型预测铁路客运量具有良好的精度,可以为客流组织提供依据。     

BP神经网络——马尔科夫模型在军用油料消耗预测中的应用研究

作者利用BP神经网络-马尔科夫预测模型对油料消耗进行了预测，将预测结果同实际值进行了对比分析．得出了BP神经网络-马尔科夫预测模型能够对油料消耗进行准确预测的结论。     

用灰色模型预测铁路旅客运输量发趋势

预测旅客运量对正确制定铁路旅客运输发展规划和决策极为重要由于客运量的受多种因素影响，用线性预测方法误差较大，用灰色模型预测方法较为准确，尤其适用于近期运量的预测。灰色预测的基本模型为ＧＭ（１，１）相应的微分方程为ｄｘ（１）（ｔ）／ｄｔ＋ａｘ＾（１）（ｔ）＝ｕ并通过实测对１９９６年－２０００年的铁路客运量进行预测。     

关于铁路货运量预测研究

采用灰色关联分析方法选取影响铁路货运量变化的宏观影响因素,运用多变量灰色MGM(1,4)模型预测未来4年铁路货运量,预测结果通过后验差检验,精度较好。     

基于兰彻斯特模型的军用油料需求系数标准预测

系数标准预测法是传统的军用油料需求预测方法,在实际中应用最多。传统的系数标准预测法一般给定用油装备的损失系数,或者不考虑用油装备的损失。为了提高军用油料需求预测的精度,本文引入多装备兰彻斯特对战模型,动态预测战争过程中用油装备的损失情况,进而对军用油料需求进行预测,以提高军用油料需求预测的精度。     

铁路外贸货运量组合预测方法的研究

通过对铁路外贸货运量预测方法进行研究,提出利用灰色理论进行预测模型优选,进而建立组合预测模型开展预测的系统方法。实例计算结果表明该模型预测效果较好。     

基于灰色神经网络的油料储备预测模型研究

油料储备是一个复杂系统，受到众多因素影响，具有较大波动性，用常规数学方法建模，不仅工作量大，而且精度难于保征。灰色预测GM（1，1）模型通过累加生成来削弱随机干扰影响，所需数据较少，计算简便，但对波动性较大的曲线进行拟合时精度较低，适合预测呈近似指数增长规律的数据序列，所预测的数据总是呈稳定上升趋势，而油料储备的实际情况并非如此。     

基于灰色马尔柯夫过程的铁路客运量预测方法研究

将铁路客运量预测分为运量趋势预测和运量波动预测,分别采用灰色GM(1,1)模型和马尔柯夫过程进行预测,并将两者结合形成灰色马尔柯夫铁路客运量预测方法。根据1990年—2002年的铁路客运量数据,预测2003年的客运量以检验模型预测效果,并对我国“十一五”期间铁路客运量进行预测,分析证明基于灰色马尔柯夫过程预测方法的预测可信度。     

基于灰色理论预测润滑油酸值的研究

在用油品，当酸值增大到一定数值时。就必须换掉。所以在对在用油品的酸值检测中，对数据的整体发展趋势的预测就显得重要；本文运用灰色理论能够准确提取原始数据序列内在变化规律，把握序列发展总体趋势的特点，建立相应的在用油酸值数学模型。     

非线性灰色模型在港口集装箱吞吐量预测中的研究与应用

根据灰色理论原理,将非线性灰色模型GM（1,1,α）应用于具有明显非线性数据特征的港口集装箱吞吐量的预测。通过实例分析,证明非线性灰色预测模型相比较普通灰色预测GM（1,1）模型具有较高的预测精度,有一定的实用价值。     

组合预测算法在世界海运周转量预测中的应用

世界海运周转量的变动是判断航运市场运力需求的主要指标，也是研究和分析航运市场和船舶市场发展变化的重要因素之一。然而世界海运周转量的变动受到一系列十分复杂的因素的影响，用一般的方法难以对其进行准确预测。因此笔者首先运用灰色系统和神经网络等预测方法分别对其进行预测．然后再通过组合预测法进行预测以期达到更加准确的预测效果。     

基于灰色预测法和三次指数平滑法的企业物流量预测研究

针对物流量的影响因素及预测问题,依据企业近年来物流数据,运用三次指数平滑法和灰色预测法建立预算模型,综合运用Matlab软件编程求解,验证模型的可行性和正确性,并得到未来两年的年出货量.在预测数据的基础上,分析企业在物流方面存在的问题并提出解决方案,为企业以后的发展.     

基于可拓决策理论的油料保障优先方向决策研究

战时油料保障是战时后勤保障的内容之一。未来战争具有参战部队武器装备多、作战空间大、作战节奏快、战斗样式转换频繁、油料消耗量大、油品种类需求繁多等特点。油料保障的高消耗、高需求、快节奏对油料保障优先方向确定提出了很高的要求。如果不能确定油料保障优先方向,就很难对油料进行合理储备和优化配置：进而无法提高保障效能。     

基于灰色马尔可夫链模型的铁路客运量预测研究

阐述灰色马尔可夫链预测模型原理,根据灰色预测思想和马尔可夫链预测思想,将灰色GM(1,1)预测模型结合马尔可夫链状态转移,能较好地反映铁路客运量的发展规律。通过对我国铁路客运量预测的实证分析,说明灰色马尔可夫链预测模型对于具有一定波动性和随机性的铁路客运量有较高的预测精度。