基于支持向量机回归的民机航材消耗预测研究

航材作为装备保障的关键部件,其精确化保障在降低库存管理成本、优化资金分配、提高飞行安全等方面有重要作用。为保障飞机正常起飞,增加航空公司运营收入,降低航材保障费用,针对飞机航材消耗样本小、变化大难以预测的问题,提出一种基于支持向量机回归的航材消耗预测模型。以某国产民用飞机实际消耗数据为例,对支持向量机回归模型的预测精度进行验证。结果表明：该支持向量机回归模型对小样本数据有很好的适应性,相比指数平滑法具有更高的预测精度。     

基于GRA-IPSO-SVM的航材携行需求预测研究

异地执行飞行任务中航材需求的准确预测是做好携行保障的主要内容之一,为此提出灰色关联度（GRA）与改进的粒子群算法（IPSO）及支持向量机（SVM）相结合的航材预测方法。首先运用GRA 对航材携行需求的影响因素进行分析;其次引入活性因子和非线性惯性系数改进粒子群算法,并通过IPSO 对SVM 参数进行寻优;最后使用优化后的SVM 模型预测航材需求。结果表明：GRA-IPSO-SVM 方法预测结果的均方根误差比PSO-SVM 方法下降0.16,平均绝对百分比误差下降2.18%,且预测时间减少了0.7 s。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

基于支持向量回归代理模型的气动力优化设计

目前,气动力优化设计中通常基于经验风险最小化原则构建代理模型,预测精度的提高需要更多的训练样本,计算代价较大,同时盲目降低代理模型的训练误差难以避免过学习问题。针对上述问题,首先提出采用支持向量回归(SVR)方法基于结构风险最小化原则构建代理模型的思路,然后对测试函数和翼型阻力进行预测,最后对某型运输机机翼进行优化设计试验。结果表明:与其他代理模型对比,基于SVR的代理模型在小样本情况下具有较好的泛化能力,并且能够快速准确地预测气动特性,在飞机优化设计中,可以提高工作效率,优化结果可靠、可控。     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

基于遗传算法的航材周转件多周期库存优化

为了应对航材需求和降低成本,针对航材周转件库存优化问题,建立了一个考虑需求预测的多周期优化实例模型。根据模型特点采用遗传算法（GA）进行求解。用某航空公司航材周转件库存实际数据进行了优化计算,计算结果表明,基于遗传算法的多周期优化在基本满足航材需求的同时可降低总库存成本。     

支持向量回归机在结构可靠性分析中的应用

 评估结构的可靠度常常遇到隐式功能函数,对于此种情况经典的结构可靠性分析方法难以实施。目前,响应面和人工神经网络等回归方法已经广泛地用来构建显式函数替代隐式功能函数进行结构可靠性分析。支持向量回归机是一种与人工神经网络类似的新回归方法,目前很少用于结构可靠性分析。鉴于支持向量回归机出色的小样本学习性能、良好的泛化性能,本文提出了基于支持向量回归机的两种适用于隐式功能函数的可靠性分析方法：基于支持向量回归机的Monte-Carlo模拟法和基于支持向量回归机的一次二阶矩法。算例表明支持向量回归机可以在抽样范围内很好的逼近真实的隐式功能函数,减少结构分析次数。失效概率计算结果与经典方法的对照说明所提方法的计算精度较高,具有一定的实用价值。     

基于支持向量回归机的数控机床 几何误差元素建模研究

针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

基于MAP的装备保障资源需求预测研究

针对装备保障资源需求预测难的问题,本文利用EM算法将单装备的保障资源需求点过程拟合为马尔可夫到达过程(MAP).通过仿真获取整个装备的备件更换时间序列,并举例说明了该方法的有效性.     

航空备件的再销售

航空备件再销售是航空公司为降低运营成本,减少库存而采取的一种方式。本文介绍了航空备件再销售问题的提出、销售的途径、保证措施以及发展前景。     

基于可靠性数据的航材备件需求预测方法

航材备件的需求预测已成为装备综合保障领域研究的难点.主要对各部件寿命分布类型进行归纳与总结,建立多数零件服从寿命分布类型的需求预测模型,并对军机执行任务这一特殊情况建立了战损备件预测模型.以可靠性数据为研究基础,对正态分布、指数分布、威布尔分布等备件进行分类分析,根据实际情况逐步精确备件保障概率的取值.计算结果表明,方法能给出合理的备件保障概率和备件需求预测结果.     

基于航材系统保障率的备件优化模型的研究

从民航航材系统的实际出发,介绍了根据航材保障率的基本定义构造出的一种新的可靠性模型,并用BARLOW优化算法进行计算,以便解决航材积压的问题。     

航材后续备件订货周期优化研究

针对目前部队航材备件订货周期方面存在的问题以及在理论研究方面存在的不足,以故障统计数据为基础,建立了一种新型的数学模型,解决了一定保障率的情况下使得订货周期更加合理,保障经费最小的问题.     

基于模糊综合评判的航空备件需求预测

航空备件需求预测受多因素综合影响,且影响因素的历史数据是匮乏的。通过对航空备件需求特点的分析,建立影响备件需求的指标体系,结合专家经验和模糊层次分析法,得出影响因素的权重值以及隶属函数,运用模糊综合评判的方法进行预测。通过试验分析,验证了在一定误差范围内,应用该方法对航空备件的需求进行预测的有效性和优越性。     

面向任务的航材备件需求预测分析

航空备件是航空装备维修保障的物质基础,装备维修精确化要求对备件需求进行合理预测,而任务是其适时、适量的主要参照对象。本文以备件需求预测为研究对象,以任务为中心,针对备件寿命分布复杂的特点,综合考虑装备使用可用度和经济性约束,利用蒙特卡罗建立备件需求仿真模型,采用边际效益分析优化求解,并用实例验证了模型的可行性和有效性。     

装备研制阶段可修复备件利用率预计方法

通过对装备研制阶段可修复备件利用率的影响因素和故障产品维修保障流程的分析,利用闭合Jackson排队网络描述了产品在装备一维修站一仓库系统中的运行状态问题.建立了不同送修策略下的数学模型.得出了故障产品处于各状态下的平均逗留时间和平均等待数量.并给出了装备研制阶段可修复备件利用率的预计模型.最后通过算例验证了该模型和方...     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.