基于支持向量机的舰船维修费用组合预测研究

在费用预测中,利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性,采用支持向量机（SVM）回归算法,把几种单一预测模型结果作为输入,实际值作为输出,然后用足够多的预测案例训练学习机器,在各组合的模型预测结果与实际之间得到一种非线性映射关系,从而建立了非线性组合预测模型。最后,以某型舰船维修费用为例,对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真,结果表明此法较传统的单一模型预测法具有更高的预测精度。     

基于云平台的舰船维修费用预测模型

目前研究的舰船维修费用预测模型预测准确率较低,导致成本开销过大。为了解决上述问题,研究了基于云平台的舰船维修费用预测模型。将舰船维修费用的关联性数据利用云平台存储在预测模型中,采用大数据聚类方法对舰船维修费用进行预测,提高舰船维修费用的预测和调节能力,减少舰船维修工程的不必要开销,提升预测舰船维修费用的准确性和舰船维修速度,对舰船维修费用约束指标参量进行分析,提高舰船维修费用的控制能力,优化舰船维修费用预测模型。实验结果表明,云平台的舰船维修费用预测模型能够有效提高预测准确率,减少成本。     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。     

组合优化理论的舰船装备维修费预测

单一模型难以准确对舰船装备维修费用进行建模与预测,为了提高舰船装备维修费的预测精度,设计了一种组合优化理论的舰船装备维修费预测模型。首先分别采用灰色模型和神经网络对舰船装备维修费进行预测,然后确定2种模型的舰船装备维修费预测权值,加权得到最终的舰船装备维修费预测结果,最后采用VC++6.0实现了舰船装备维修费预测仿真测试,仿真结果表明本文模型获得了较高的舰船装备维修费预测精度,相对于单一模型,本文模型的舰船装备维修费预测结果具有比较显著的优势。     

改进的BP神经网络方法在舰船修理费用预测中的应用

文章基于神经网络理论,以某型舰船特装修理费用为例,建立了改进算法的BP神经网络预测模型,最后对海军舰船特装修理费用进行了中短期预测。     

偏最小二乘回归在舰船维修费用预测中的应用

考虑到偏最小二乘回归方法在处理小样本多元数据方面具有独特的优势,分析了影响舰船维修费用的因素,结合变量投影重要性分析方法对影响因素进行筛选,提出用偏最小二乘回归方法建立舰船维修费用预测模型。通过实例进行计算,用历史数据预测舰船维修费用,在数据样本量小的情况下,预测结果较多元回归方法精度高。     

舰船装备维修费用优化研究

文章以舰船装备作战能力评估指标体系的层次分解结构和舰船装备系统效能评估的ADC模型为基础,对舰船装备维修费用与系统效能间的函数关系进行了研究,并以舰船装备总体系统效能最大化为目标,建立了维修费用优化模型。通过舰船反舰作战能力属性的维修费用与系统效能间的函数关系的确立及维修费用优化模型的计算,对模型进行了验证,取得了较好的效果。     

利用布拉格栅和DSWDM原型系统对海军舰船进行结构检测

舰队的维修和保养是长期困扰海军的问题。近年来，减少舰队资源消耗和资产，使舰船维修和保养成为更具困扰性的难题。针对这些压力，海军正在寻找新的方法，以降低整个维修成本。一种方法是在舰船运行时，给舰船装置电阻丝式应变计，为评估船体结构安全提供数据。至今，有限的几艘舰船已运用这种方法，修正用于预测舰船在预期的使用期取内累积损伤的计算模型。目前，美国海军基于光导纤维技术研制了新的舰船结构安全监测系统。这一新的舰船结构安全监测系统应用于美国海军舰船上，可通过预测舰船所需的维修时间表来改进的维修方案，从而消除高成本的周期性的舰船维修时间表。利用新系统提供的舰船结构现状的实时数据，也可提高舰船使用的有效性和生命力。叙述了这一新系统的操纵性能和应用于大型海军结构物上的最新试验结果，包括美国海军两栖登陆舰LPD17的螺旋桨。     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

基于FA-SVM的舰船修理成本结构研究

在传统支持向量机(SVM)方法的基础上,引入因子分析(FA)方法,构建了FA-SVM模型,该模型解决了传统SVM方法存在的特征指标相关性的问题,最后利用舰船修理成本结构研究对该模型进行验证分析,结果证明这种FA-SVM模型在舰船修理成本结构预测中的有效性和实用性。这对于海军维修成本的管理有着很好的应用价值。     

舰船维修工时单价预测问题研究

在国家经济水平持续发展和舰船建造费用日益增加的趋势下,确定合理的舰船维修工时单价是非常重要的.在分析舰船维修工时单价影响因素的基础上,根据国家"五年计划"的经济发展策略,提出了舰船维修工时单价的分段回归预测模型,并对各厂的舰船维修工时单价进行了预测,为决策部门提供参考.     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

舰船装备维修费预测方法评价准则体系研究

针对舰船装备维修费预测效果评价仅采用单一的精度准则可能导致较大预测风险的缺陷,在分析现有预测评价准则研究现状的基础上,总结了现有的预测方法评价准则,并通过进一步结合对舰船装备维修费预测特点的分析,建立了适合于舰船装备维修费预测方法评价的准则体系。建立的准则体系有利于提高舰船装备维修费预测的可靠性,降低预测风险,为舰船装备全寿命费用预测和舰船装备维修工作提供可靠的基础。     

基于广义GM（1,1）预测模型的装备管理费用预测

针对目前对武器装备寿命周期费用估算建模难以实施的情况,以准确预测武器装备寿命周期费用的主要组成部分——装备管理费用为出发点,依据装备管理费用的特点建立了装备管理费用的广义GM（1,1）预测模型,通过对某舰船系统装备管理费用的实例应用预测效果较好.     

基于故障类型的舰船装备系统最优检测与预防性维修周期的确定

结合系统维修的费用参数和故障特点,按单位维修周期费用最小原则建立一种综合考虑不同故障类型的系统检测与预防性维修优化模型,针对一个故障时间服从二参数威布尔分布的舰船装备系统,计算各种形状参数和隐蔽发生概率下的最优检测和预防性维修周期。     

基于马氏距离的舰船装备修理价格组合预测

为更加准确地确定舰船装备全寿命费用,提高装备经费的使用效益,针对我国舰船装备修理价格影响因素多、不确定性大的特点,提出采用组合预测方法对其进行预测建模;针对基于欧氏距离的组合预测方法不能处理用于组合的单项预测模型之间的相关性问题,提出采用马氏距离作为建模基础,建立基于马氏距离的舰船装备修理价格组合预测模型。应用结果显示,基于马氏距离的组合预测要比基于欧氏距离的组合预测以及各单项预测具有更好的稳定性,预测风险更小。     

Bayes小样本统计理论在舰艇导航装备维修中的应用

舰艇导航装备属于高精度、高可靠性、高成本的精密设备。为了解决大型导航设备在小样本条件下的维修性评估问题,研究了Bayes小样本统计理论在导航装备维修中的应用。根据导航装备维修时间的小样本数据,进行了数据的K-S检验,建立了导航装备的维修时间分布模型,运用Bootstrap方法对确立的模型进行参数辨识,确定了导航装备的平均修复时间、中位修复时间、最大修复时间等参数,结果表明Bootstrap方法的有效性和准确性。     

基于灰理论的港口吞吐量预测研究

港口吞吐量是港口建设的重要依据,有效预测港口吞吐量,才能使港口在海洋运输业中发挥重要作用。灰理论预测可以在少量信息、不完全数据的情况下,揭示港口吞吐量的发展变化特征,是研究港口吞吐量的有效工具。本文对上海港货物吞吐量进行研究的结果表明,应用灰理论对港口吞吐量建立灰色模型GM(1,1)进行短期预测,其结果有较高的实用价值。