防空导弹尾追拦截目标的遭遇点预测方法

为充分发挥导弹武器系统的全向拦截能力,防空导弹需要面对拦截发射时即处于尾追逃逸态势目标的问题。结合防空导弹任务特点,设计了一种兼顾迎击、尾追拦截态势的遭遇点预测方法。根据导弹与目标在发弹时刻和拦截过程中的相对运动关系,建立常规迎击态势下的遭遇点预测模型。针对尾追拦截的特殊情况,分析预测模型对弹目相对运动关系描述的适用性,并进一步研究目标初始参数对预测模型收敛性的影响。在此基础上优化运动几何关系描述模型,结合收敛条件设计迭代算法,形成尾追拦截态势下遭遇点的预测方法。该方法修正了目标穿越发射点上空引起的模型适用性问题。仿真结果表明:迭代算法对迎击、尾追目标态势均快速收敛,预测精度满足工程应用要求,为导弹全向拦截时的遭遇点预测提供了有效的解决途径。     

基于模糊软集合和Bayes的后续备件组合预测方法

针对后续备件需求预测精度低的问题,提出一种基于模糊软集合和贝叶斯的后续备件组合预测方法。首先根据后续备件的消耗规律,分别提出后续备件因果预测模型和时序预测模型;然后选取残差平方和、信息熵和相关系数作为预测效果的评价准则,以两种单项预测方法的预测效果作为先验信息,采用德尔菲法对单项预测方法进行模糊评价,构建模糊软映射;最后综合先验信息与专家模糊评价值,利用贝叶斯方法确定组合权系数求得预测结果。结合算例,对比分析方法的优越性,表明该方法具有较好的合理性和有效性。     

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。     

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。     

氢化锂含氚量变化之数学模型的测定

氢化锂含氚量的实际及化与氚的自然衰变规律并不完全一致，为了测定其变化规律，对贮存中的氢化锂含氚量进行了长时间跟踪测量。本文利用实测数据与多项式回归法，结合氚的衰变规律建立了氢化锂含氚量变化的数学模型，此模型在测量点具有很低的预测误差。     

Enhancement of solar wind low-energy energetic particles as precursor of geomagnetic disturbance in operational geomagnetic forecast

A study of the relationship between solar wind low-energy energetic particles using data from the Electron, Proton, and Alpha Monitor (EPAM) onboard the Advanced Compositional Explorer spacecraft (ACE) and geomagnetic activity using data from Canadian magnetic observatories in Canada’s polar cap, auroral zone, and subauroral zone was carried out for a period spanning 1997–2005. Full halo coronal mass ejections (CMEs) were used to gauge the initial particle enhancements and the subsequent geomagnetic activity. It was found that maximum geomagnetic activity is related to maximum particle enhancements in a non-linear fashion. Quadratic fit of the data results in expressions that can be easily used in an operational space weather setting to forecast geomagnetic disturbance quantitatively. A superposed epoch analysis shows increase in particle flux level starts hours before geomagnetic activity attains its peak, affirming the precursory nature of EPAM particles for the impending geomagnetic impact of CME. This can supplement the decision process in formulating geomagnetic warning after the launch of CME from the Sun but before the arrival of shock at Earth. The empirical relationships between solar wind low-energy energetic particles and geomagnetic activity revealed in this statistical study can be easily codified, and thus utilized in operational space weather forecast to appraise the geoeffectiveness of the CME and to provide a quantitative forecast for maximum geomagnetic activity in Canada’s polar cap, auroral zone, and subauroral zone after the occurrence of a CME.     

基于电离层暴时f_0F_2经验模型Kalman滤波短期预报

利用时间累积地磁指数印ap(T),建立了强地磁扰动条件下电离层f0F2与月中值相对偏差经验模型.该经验模型只在春秋季节和夏季特强地磁扰动条件ap(T)>100,即时间累积地磁指数大于100时达到理想精度.尝试利用气象预报中常用的Kalman滤波方法对模型的系数进行实时修正,以提高预报精度,并对长春站1986-1995年近一个太阳周f0F2数据进行提前一小时预报试验.冬季预报均方根误差为0.76MHz,春秋季节为0.68MHz,夏季为0.61MHz.在特强地磁扰动条件下,预测误差在0.87～1.43MHz之间.该预报方法同时与包含暴时修正模型STORM的国际参考电离层IRI2001进行了比较,展示了Kalman滤波方法实时修正模型系数的能力和良好的应用前景.