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。     

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。     

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RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

基于数据挖掘的舰船装备维修费估计

舰船装备维修费具有一定的规律性,同时也有一定的随机性,导致很难进行准确估计。为了提高舰船装备维修费精度,减少舰船装备维修估计偏差,设计了基于数据挖掘的舰船装备维修费估计模型。首先分析当前舰船装备维修费估计模型的各种局限性,然后收集舰船装备维修费历史数据,并对舰船装备维修费历史数据进行处理,得到更加有规律的舰船装备维修费数据,然后采用数据挖掘技术建立舰船装备维修费估计模型,并采用实际舰船装备维修费数据进行验证性实验。本文模型的舰船装备维修费估计精度高,舰船装备维修费的估计误差远小于当前其他舰船装备维修费估计模型,结果证明本文方法是一种精度高,误差小的舰船装备维修费估计模型。     

基于信息熵的舰船装备建造费组合预测研究

舰船装备建造费的预测方法多种多样,不同的方法体现出不同的特点.针对常用的几种费用预测方法,充分利用不同方法的特点和提供的信息,提出基于信息熵的最优组合预测模型.在建立预测方法评价指标集的基础上,利用信息熵确定了各种方法在组合预测模型中的权重.该方法能处理预测中的不确定性因素,同时综合考虑了各种方法的特点以及预测过程中预测人员主观因素的影响,较为符合舰船装备建造费预测的实际情况.实际应用表明该方法可行,具有实用价值.     

混沌理论的舰船事故预测

舰船事故的预测具有十分重要的价值,针对舰船事故变化的混沌性,为了解决当前舰船事故预测模型存在的局限性,提出了基于混沌理论的舰船事故预测模型,首先对当前舰船事故预测的研究现状进行分析,指出引起舰船事故预测精度低的原因,然后引入混沌理论建立舰船事故预测的学习样本,并采用最小二乘支持向量机建立舰船事故预测模型,最后通过采用舰船事故预测数据对模型性能进行分析,本文模型的舰船事故预测精度超过95%,而且舰船事故预测误差很低。     

舰船装备维修费预测的数据预处理技术研究

在预测舰船装备维修费时,收集足够多的、准确的费用数据是关键。根据舰船装备维修费的影响因素,将舰船装备维修费预测的相关原始数据分为基础数据、使用数据、维修数据和宏观经济数据,确定了相应的数据收集渠道。分析了收集到的原始数据可能存在噪声、缺失或异常数据、冲击扰动数据、不一致数据的问题,针对性地提供了相应的数据预处理技术,经过处理后的数据可以为舰船装备维修费预测提供良好基础,进一步提高预测的有效性。     

组合预测模型在港口物流量预测中的应用

为了合理预测港口物流量,建立了三次指数平滑、趋势外推和灰色系统等单项预测模型。鉴于单一预测模型的局限性,提出了以误差绝对值加权和最小为最优化准则的组合预测模型,运用主成分分析的思想来确定组合的权系数。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,同时更适合各期预测,能避免各单项预测模型的局限。该组合模型对制定港口规划具有一定的参考价值。     

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.     

舰船装备修理合同优化研究

  目的  针对舰船维修费用精准预测的新要求,提出一种基于案例推理的舰船计划维修费用预测方法。  方法  首先,对各型舰船主要特征属性组成的特征向量及其维修费用进行案例表示;然后,采用基于加权欧氏距离的K 近邻（KNN）算法进行案例检索,并引入粗糙集理论中属性重要度的概念;其次,将检索案例与目标案例之间的相似度作为调整系数,并结合组合预测思想进行案例修正;最后,将预测得到的最新案例增加至案例库中,不断积累案例库数据。  结果  该方法和线性回归预测法,径向基函数（RBF）神经网络法与某实船维修数据的对比结果表明,其预测平均相对误差分别为8.7%,10.4%,10.2%,验证了基于案例推理的预测方法的准确性和有效性。  结论  研究成果可为舰船维修费用计划的制定与拨付提供参考。     

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.     

基于支持向量机的船型主尺度要素数学建模

主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。     

基于回声状态网络的船舶摇荡连续预报方法研究

回声状态网络（ ESNS）是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。     

齿轮齿条爬升式升船机驱动系统运行可靠性分析

针对升船机运行可靠性问题,以齿轮齿条爬升式升船机驱动系统为研究对象,根据可靠性理论,在统计驱动系统运行维护数据的基础上,综合分析停机故障次数和故障检修停航时间对运行可靠性的影响,计算得出驱动系统及其部件的运行可靠度,提出提高驱动系统运行可靠性的建议:应高度重视驱动齿轮托架机构、电气传动设备、传感检测装置等机电设备的维护检修和优化完善,充分考虑设备检修的便利性;基于停机故障次数和故障检修停航时间的运行可靠度计算分析方法,能准确反映升船机的运行可靠性。     

改进GM（1,1）模型在舰船维修费用预测中的应用

基于灰色系统理论,使用海军舰船维修费用历史数据建立初值修正的GM（1,1）模型,利用少量数据中的显信息和隐信息,避免复杂的相关关系,克服了原始数据的离散性,得到较高精度的拟合效果,并对海军舰船维修费用进行短期预测。将预测结果加入等维信息模型,对未来费用支出进行动态预测。结果表明：其精度优于传统模型。     

基于组合预测模型的世界海运周转量预测分析

世界海运周转量是衡量未来航运市场运力需求的直接体现,在确定航运市场和船舶市场的发展趋势方面具有关键作用。针对世界海运周转量受到众多复杂因素影响的现实,基于传统的单个预测方法,分别采用时间序列、灰色系统、神经网络方法对世界海运周转量进行预测,然后再对单个预测方法进行加权组合,建立组合预测模型进行海运周转量的预测,预测结果表明:组合预测模型能够得到更加可靠的结果。     

智能航运系统的发展现状与趋势

  目的  为了适应无人驾驶船舶的发展趋势,增强船舶动力装置的船岸一体化管理,减轻轮机人员的工作负担,从而实现船舶动力装置的\