基于梯度下降灰色Markov模型的装备器材需求预测

为改进灰色Markov装备维修器材需求预测模型在小样本条件下的预测效果与合理性,提出了基于梯度下降算法的灰色Markov模型。通过建立关于各时间节点拟合残差的二乘损失函数,运用梯度下降算法迭代得到灰色Markov模型最优转移概率强度和Kolmogorov方程解的最优待定系数并实施预测。数值模拟与实例分析的结果表明,梯度下降灰色Markov模型可快速有效地搜索转移概率强度以及待定系数的相对优化值,进而改善模型的预测效果和稳定性。

基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测

为了解决装备器材历史需求数据少、需求规律不明确的问题,提出一种基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测方法。针对威布尔分布尺度参数未知以及形状和尺度参数均未知两种情况,分别基于贝叶斯方法通过解析求解和数值模拟的方式进行了参数估计,并引入柯尔莫哥洛夫-斯米尔诺夫检验法对寿命分布模型进行拟合优度检验;综合考虑修复性维修、预防性维修和装备器材的已使用时间,提出了基于蒙特卡洛仿真的部队装备器材年度需求预测方法。算例分析表明:小样本下通过贝叶斯估计得到的寿命分布模型拟合度高,基于仿真的需求预测方法简单、有效。

装甲装备维修器材需求数据模拟

为解决小样本条件下运用大数据驱动模型预测装备维修器材需求效果不理想的问题,提出一种新的数据模拟扩充算法。通过将不同时间段的器材累积消耗值作为相似度量改进了AP聚类算法,并对数据进行迭代聚类。结合改进后聚类算法的特点,将聚类为同一类别数据的各报告期器材相对消耗值考虑为正态分布数据,进而确定待预测数据各分量的正态分布数字特征。运用数学软件生成大量随机模拟样本构建训练集并进行预测。数值算例结果表明,通过本文方法生成的模拟样本可有效提升大数据驱动预测模型用于小样本器材需求预测的效果。随着模拟样本数据数量的增多,不同预测模型的预测结果稳定于同一预测值附近,有效提高大数据驱动模型预测结果的可信性。