基于系统的武器备件需求预测研究

在武器装备保障问题的研究中,针对精确化要求和减少浪费问题,需求预测是武器备件保障的重要任务之一,为便于保障决策,将需求预测与库存控制结合起来,提出了一种基于系统的备件需求综合预测方法.对不同类型的备件采用不同的预测方法,依据历史数据选择最佳的预测方案组合,用于下一周期各备件的需求预测.综合预测方法在对备件需求进行预测的同时,还能得出费用约束下的备件库存方案,从而便于保障人员备件进行备件采购决策.进行仿真,结果表明,综合预测方案是合理有效的,为实际需求提供保障.     

基于神经网络的气象备件库存预测控制可用性研究

现有气象备件库存预测控制方法以可修复备件管理多级法为主要依据,具有一定的局限性,存在着数据拟合度低的问题,为此提出基于神经网络的气象备件库存预测控制可用性研究.依据BP神经网络构建气象备件库存需求预测模型,拟合已知数据之间的非线性关系,计算数据非线性相关系数,选取模型输入数据,得到气象备件库存需求量,依据COV分析法计...     

基于DP的备件库存控制模型研究

备件库存控制是制造企业备件管理中的重要问题.本文针对备件需求的高度不确定性特点,在备件需求预测的基础上,提出一种基于动态规划(DP)的备件库存控制模型以确定备件库存的采购计划.并应用实例来证明本方法的可行性与有效性.     

基于支持向量机的备件需求预测研究

针对传统以统计学为基础的预测方法难以解决小样本预测精度不高的实际问题,将支持向量机回归原理应用到备件需求预测领域,构建基于支持向机备件需求预测模型,以及需求预测结果准确率的评价指标。以实际数据为例,分别运用了指数平滑法、网格搜索法优化参数的支持向量机和遗传算法优化参数的支持向量机进对重点备件的需求量进行预测,验证了遗传算法优化的支持向量机预测性能的先进性。结果证明将支持向量机理论应用到备件保障领域具有重要的实用价值。     

基于因子分析与神经网络的区域物流需求预测

研究区域物流需求预测问题。影响区域物流需求影响因子较多,因子之间呈非线性关系,导致预测模型结果复杂,运行时间长,预测精度低。为提高区域物流需求预测精度,提出一种因子分析和BP神经网络相结合的区域物流需求预测方法(FA-BP)。首先通过因子分析对影响因子进行降维处理,然后将降维后的区域物流需求数据作为BP神经网络的输入进行训练建立预测模型,最后得到区域物流需求的预测结果。对某省1993-2007年区域物流需求预测进行实例分析,结果证明FA-BP模型提高了区域物流需求预测精度,网络的收敛速度加快,在区域物流需求预测方面有着广阔的应用前景。     

解析大数据的协议库存物资需求预测体系

当前电力行业的物资需求量大,为了确保电力企业的物资供应,建立物资需求预测体系非常重要的环节,物资需求是否准确将直接关系到企业的运营成本以及电力行业的工程进度。物资需求预测体系可以从物资上报前进行预测,于物资上报期间进行分析以及上报后挖掘等方面,在大数据的环境下进行建立。本文采用大数据的方法,针对电力企业的协议库存物资需求预测体系进行简要分析。     

灰色神经网络模型在物流需求预测中的研究

研究物流准确预测,进行物流优化管理问题,由于现代物流需求变化是多种因素综合的结果,传统单一模型只能反映部分变化规律,不能全面反映其需求变化规律,导致预测精度不高.为了提高了物流需求的预测精度,提出一种灰色神经网络的物流需求预测方法.组合方法首先采用灰色预测模型对训练样本进行学习,得到BP神经网络的输入值,然后采用BP神经网络对其进行预测,得到最终物流需求值.将组合模型应用于湖南省物流需求预测中,实验结果表明,改进的模型提高了物流需求预测精度,发挥了2种单一模型优势,克服了单一模型不足,提供一种物流优化管理的有效方法.     

飞机液压系统库存备件综合保障决策方法

飞机液压系统库存备件综合保障过程存在大量不确定性,使其库存备件保障决策困难。以离散型概率序列运算理论为基础,创建了飞机液压系统库存备件综合保障决策模型。本文将飞机液压系统备件需求、维修、存储的数量看作一维离散的随机变量,并运用离散型概率序列之间的交积、卷差、卷和运算来分析保障决策过程中各随机事件之间的相互作用,从而对飞机液压系统库存备件综合保障过程进行动态描述。通过离散型概率序列运算理论制订了备件保障满足率,来预测飞机液压系统库存备件保障的时机和数量,从而为飞机液压系统库存备件综合保障提供最优的决策依据。试验结果表明,采用所建模型对飞机液压系统库存备件进行综合保障,所得结果与库存备件实际需求状况相符。该方法也可应用于航空航天及其他领域的库存备件保障决策,具有很好的工程应用前景。     

两步法与指数平滑法分析研究*

介绍了指数平滑法和Croston法,分析了指数平滑法和两步法的工作原理,结合备件需求预测问题,通过对指数平滑法和两步法方差的分析,得到两步法比指数平滑法具有更好的鲁棒性。为进一步研究两步法提供一定的理论基础。     

机场交通需求概率密度预测方法研究

针对基于进离场航空器统计数量的传统预测方法较难体现不确定性因素对机场交通需求预测结果影响的问题,采用核密度估计与神经网络分位数回归相结合的方法,构建了机场交通需求概率密度预测模型和方法,并基于广州白云机场运行数据得到机场交通需求在未来一定时间内的概率密度分布.预测结果相较传统BP神经网络预测,所得结果波动范围更小,误差更小.     

改进熵值法和马尔科夫链的组合预测及应用

机场货邮吞吐量是机场决策规划和发展的基础。传统的单一预测由于精确度低等各种缺陷,已不能满足越来越高的要求,为了准确合理预测航空货邮吞吐量,提出了在各单一预测模型的基础上,利用熵值法建立组合预测模型的方法,并对西安咸阳国际机场货邮吞吐量进行组合预测。实例表明,熵值法组合预测模型与单一预测模型相比,实用性更强,预测精度也有所提高。选用马尔科夫链模型对熵值法组合模型预测结果进行修正处理,增加预测结果的可信度。     

基于提升方法的短期负荷预测的研究

目前有很多方法可以实现电力负荷预测,但各种方法都有各自的局限性,如何充分利用各种算法,使负荷预测的精确度提高,组合预测方法便应运而生了。然而当前的组合预测方法过于重视算法,而忽略样本。文中给出了一种基于提升方法的电力负荷预测挖掘算法,该方法通过样本权值进行抽样,训练生成模型,并根据模型效率改变样本权值,再次抽样训练生成模型,如此迭代生成多个模型后进行负荷预测。实际应用结果表明该方法比其它方法具有较高的精度。     

基于动态加权组合模型的ATM现金预测方法

本文提出了一种基于动态加权组合模型的智能现金预测方法, 可以对银行ATM设备的日常现金用量进行精准预测, 为日常现金调拨管理提供决策依据. 与以往使用的单算法预测不同, 本文对银行业务、交易流水与设备等特性进行分析, 据此组合4种单一机器学习模型, 提出并实现基于动态加权组合模型的智能算法. 该算法可以为银行现金用量管理提供更智能、更精准、更高效的预测手段, 有效压降现金库存总量与回钞率, 提升现金运用率. 此方法已在广东、重庆、江西、山西、北京等地区使用, 并取得良好效果.     

基于预测法的超声波测距研究

提出了一种基于预测法的超声波测距方法,采用预测法实现超声波回波信号时间的检测,有效抑制了干扰回波信号和回波信号噪音的影响,显著提高了回波信号检测的可靠性和测量精度;采用ATmega8微处理器实现了预测法回波信号检测,并实现高精度的温度补偿的超声波测距装置,文中详细介绍了电路框图和软件流程图;实践证明具有测量精度高、对干扰回波的抑制能力强,满足了工业测距的要求。     

基于神经网络的股票中期预测

本文给出了一种基于BP神经网络的股票市场建模、预测以及决策方法.应用神经网络进行股票中期预测,输入数据的复杂性给网络训练效率和预测精度造成了显著的负面影响.我们应用模糊曲线分析法进行了输入变量的筛选,该方法主要是用来压缩输入数据的维度,发现影响产出变量的重要因素.它通过求相关度,贡献弹性,根据样本点拟合样本曲线,最后选取出影响变量的重要因素.结果表明,经该方法处理后的数据输入神经网络不仅减少了输入数据量,使训练时间减少,运算速度提高,而且预测精度有了明显的改善.     

瓦斯监测数据统计分析方法及其应用

针对矿井瓦斯监测监控系统海量数据所带来的数据冗余性和不确定性问题,提出了一种瓦斯监测数据统计分析方法。在已知时间序列的历史数据情况下,该方法首先采用Matlab工具箱绘制瓦斯监测数据的概率密度函数和分布函数的直方图和累计图,以获得瓦斯监测数据的统计特征;其次,使用Crystal Ball软件的CB Predictor工具对历史监测数据进行评估并对其未来趋势进行预测;最后,分析预测结果,得出详细的预测方法报表。     

Using computational intelligence to forecast carbon prices

European Union has introduced the European Trading System (ETS) as a tool for developing and implementing international treaties related to climate changes and to identify the most cost-effective methods for reducing greenhouse gas emissions, in particular carbon dioxide (CO₂), which is the most substantial. Companies producing carbon emissions must effectively manage associated costs by buying or selling carbon emission futures. Viewed from this perspective, this paper provides a model for managing the risk by buying and selling carbon emission futures by implementing techniques that leverage computational intelligence. Three computational intelligence techniques are proposed to provide accurate and timely forecasts for changes in the price of carbon: a novel hybrid neuro-fuzzy controller that forms a closed-loop feedback mechanism called PATSOS; an artificial neural network (ANN) based system; an adaptive neuro-fuzzy inference system (ANFIS). Results are based on 1074 daily carbon price observations collected to comprise a useful time-series dataset and for evaluation of the proposed techniques. The extra-sample performance of the proposed techniques is calculated. Analysis results are compared with those produced by other models. Comparison studies reveal that PATSOS is the most accurate and promising methodology for predicting the price of carbon. It is stated that this paper registers a first attempt to apply a hybrid neuro-fuzzy controller to forecasting carbon prices.     

加权一阶局域法在电力系统短期负荷预测中的应用

在混沌时间序列的基础上提出加权一阶局域法, 并将其应用于电力系统历史负荷数据序列进行预测. 通过对华东某电网实际负荷数据进行预测, 结果令人满意.