基于数据挖掘和小波神经网络的航材消耗预测方法

运用数据挖掘技术对航材消耗的历史数据进行关联分析,筛选小对保障飞机飞行有重要作用的航材消耗数据,大大缩减了需要预测的航材数量,同时对消耗航材之间的内在影响关系进行量化。在分析人工鱼群算法原理的基础上,对算法中步长参数和视野范同参数的设置方法进行了改进。实例结果表明,运用小波神经网络预测航材消耗的方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性。     

多因素影响下舰载机备件需求的组合预测

舰载机列装时间较短,备件的样本数据较小,而且保障中受起落次数、飞行强度、海洋恶劣环境等因素影响较大。针对舰载机这一系列保障特点,选用了对多因素影响的小样本有较好预测效果的 BP神经网络、GM(1,N)预测模型和 SVM回归预测模型 3种预测方法,建立基于 IOWA算子的组合预测模型,以误差平方和为准则对数据进行分析,并利用 Matlab工具箱进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型 的科学性和优越性。     

深成份指数的灰色行业聚类关联与预测模型研究

本文应用系统工程理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类预测方法。以深成份指数为样本对各类行业进行了聚类分析,得到了一种符合实际的聚类预测结果,阐明了灰色趋势关联聚类预测方法的有效性、方便性和实用性。     

航空发动机涡轮结构参数对EGTM的影响研究

针对维修后的发动机试车EGTM偏低的现象，从高压涡轮气路结构参数的层面上进行分析，并依据一些重要学术分析和大修厂的历史数据资源，确定明显影响EGTM的相关结构参数，利用主成分分析法（PCA）进一步提取与EGTM变化相关的参数。建立SVM模型，预测维修后的EGTM，依据参数量变对EGTM的影响，分析如何调整涡轮结构参数达到提高EGTM的目的,从而为维修后EGTM仍不理想、需再次返厂维修的发动机提供有效的维修建议。     

基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。     

单供应商/多零售商供应链信息共享价值研究

本文研究的两级供应链模型 ,包含一个供应商和多个零售商 ,零售商之间的需求是相关需求 ,供应链成员用AR( 1 )需求模型进行需求预测。研究了两种信息共享情况 :( 1 )当需求信息不共享时 ,零售商仅仅传递给供应商订单信息 ;( 2 )当需求信息共享时 ,零售商传递给供应商订单信息和需求预测信息。研究表明共享需求信息可以降低供应商的平均库存和平均成本 ,而零售商不能直接从中获益。但是 ,供应商可以通过缩短零售商的订货提前期 ,从而降低零售商的平均库存和平均成本 ,使零售商能积极共享需求信息 ,从而使供应链双方都能从信息共享中获益     

基于时间序列的空中交通流量灰预测模型算法

利用灰色预测理论,给出了一种空域内空中交通流量进行预测分析的算法——空中交通流量灰预测法,并利用Matlab软件作为计算工具,对管制区域、机场等空域流量的预测进行了仿真,计算结果以图表和图形的形式给出直观说明,验证了该算法的有效性。     

渠道冻土模型研究现状及发展趋势

混凝土衬砌渠道的冻胀破坏,对农业灌溉、城乡供水、工程建设等工农业生产及人民生活有着重大影响。通过分析国内外有关于渠基土冻胀模型的研究现状,并结合实际情况,对衬砌渠道渠基土冻胀模型研究发展趋势提出相关预测。     

基于灰色马尔可夫链的航空货邮预测

结合航空货邮的特点和灰色预测及马尔可夫链理论的优点，提出航空货邮预测的灰色马尔可夫链模型。灰色马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律，又通过状态转移概率矩阵的变换，考虑数据的随机波动，它将时问序列数据固有的两种性质有机结合起来，具有严密的科学性，能较好地应用于中国航空货邮运输量的预测。     

基于蚁群改进 BP算法的组合预测模型在军械器材需求预测中的应用

针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型（ARMA）进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。