基于NEGM(1,1)-ARMA(p,q)组合模型的航空备件消耗预测

进行航空备件消耗预测是提高备件利用率和订货准确率的有效手段。结合航空备件消耗特点,采用灰色系统理论从备件消耗历史数据中得到趋势项的NEGM(1,1)模型,并在对剔除趋势项的随机波动数据进行时间序列分析的基础上,引入ARMA模型,构建了NEGM(1,1)-ARMA(p,q)组合预测模型,并通过实例分析,验证了此模型在航空备件消耗预测中的有效性与准确性。

基于时间序列算法的能源电力需求自动预测模型

为提高能源电力需求预测准确性,提出基于时间序列算法的能源电力需求自动预测模型。选取原始时间序列中拥有近似模糊值的数据,通过模糊熵算法对其进行处理;引入灰色系统理论消除电力需求时间序列中的残差值,获取GM(1,1)模型,由此构建ARMA(p,q)模型;将两种模型相结合,建立GM(1,1)-ARMA(p,q)组合预测模型,完成能源电力需求的自动预测。实验结果表明,所提方法的预测效果好,相对误差值、MAPE值和MSE值小。