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。     

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。     

舰船装备使用维修费的GM估算研究

灰色理论对舰船装备使用维修费用的分析与估算有其特定优势,依据灰色系统理论与方法,建立灰色理论模型,分析和估算舰船装备使用维修费用,弄清舰船装备使用保障阶段费用发生规律,从而使装备全寿命费用的估算更加真实合理化。     

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。     

基于组合优化理论的舰船航行速度预测

详细介绍小波神经网络和灰色系统理论的基本原理,在舰船瞬时运动模型的基础上,采用组合优化理论,将小波神经网络和灰色系统理论结合,设计一种舰船航行速度预测模型,后期的仿真实验证明,基于组合优化理论的舰船航行速度预测具有较高的精度.     

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。     

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.     

基于自适应遗传算法的总体舰船维修费分配

将舰船维修费按照装备维修计划结构分为九项,以该九项费用在舰船维修费总量中所占的比例为自变量,舰船维修费总体效益为因变量,提出通过回归分析方法,建立舰船维修费总体效益与各项费用所占比例之间的函数关系,进而建立总体舰船维修费的分配优化模型。     

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。     

舰船装备修理合同优化研究

舰船装备维修费是舰船装备全寿命周期费用的重要组成部分,而且所占比例有日益增加的趋势,因而作为决定舰船装备修理价格关键因素的舰船装备修理合同的优化问题必须予以重视.从舰船装备修理合同的基本概念入手,分析舰船修理合同优化的主要内容,并对合同优化的环境建设提出建议,旨在通过合同的优化,提高舰船装备修理经费的军事经济效益和舰船保障能力.     

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。     

舰船装备保障维修策略优化模型仿真研究

现代化的舰船系统复杂度越来越高,并且舰船活动范围也越加广泛,在配备固定维修人员的情况下,如何在舰船任务执行的时间范围内完成对设备的检测维修及物资配给是舰船装备保障策略的重要指标。同时,对战时维修策略的选择也是整个舰船维修体系中重点研究的方向之一。本文在研究现有舰船多种维修策略的基础上,结合舰船在具体执行任务时对维修保障体系给出了可行性分析及性能评估,并针对现有的保障体系﹑策略方案及物资配给方案进行优化。     

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.     

基于灰色理论的舰船装备剩余寿命预测模型

为方便并精确地预测舰船装备剩余寿命,利用其服役期间的实测资料,采用灰色系统理论建立了舰船装备剩余寿命灰色预测模型。并利用建立的预测模型对舰船装备剩余寿命进行预测,利用实测资料对其模拟计算结果进行残差检验,结果表明预测模型简单、精度高、计算速度快、方便实用,对在役舰船装备维修决策有一定的参考价值。     

基于粗糙集的装备维修费使用效益评估方法研究

针对大型复杂装备维修费使用效益评估中，评价指标的数量过多过细的特点，引入粗糙集(rough集)理论，该理论能更科学地形成复杂装备的维修费使用效益评估体系，为装备维修费使用的进一步优化提供依据。     

舰船装备的可靠性研究

阐述了舰船装备可靠性工程中常用的技术手段,并针对当前在使用失效统计分布过程中出现的误区,对典型失效统计模型的适用范围作了重申,对使用可用性在计算时出现的错误做了详细的数值分析.     

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。