相似信息优先的复杂装备费用测算模型

针对横截面数据的复杂装备费用预测问题,由于主要参数比较相似的装备系统其研制费用往往趋同,提出了横截面数据的"相似信息优先原理"。分析新研装备与以往装备的相似度,按照指标信息的相似度区分横截面信息的优先次序。用归一化的相似度作为加权最小二乘法的权重,通过实例建立相似信息优先的回归模型,并与其他方法的结果对比,结果表明本文的方法具有更高的预测精度,相似信息优先的多元回归模型充分反映了相似信息的规律。

用于复杂装备费用驱动因子筛选的灰色凸关联模型

针对复杂装备费用预测中样本少和费用影响因素繁多的问题,分析以往灰色关联度的缺陷,运用改进的灰色凸关联度建立费用影响因素与费用之间的灰色关联模型。依据灰色凸关联度的大小和接近程度筛选费用驱动因子,利用所选择的驱动因子建立多元回归模型。与已有文献中的方法进行对比,结果表明本文方法具有较高的预测精度,说明改进的灰色凸关联度模型能够诊断复杂装备费用的关键影响因素。

复杂装备费用驱动因子识别的效应比重极大熵模型

针对复杂装备费用预测中样本少和费用影响因素繁多的问题,分析费用因素的驱动比重。综合考虑驱动比重的最大化和因素权重的不确定性,运用极大熵原理,建立多目标权重配置模型,并利用拉格朗日乘子法求解权重。依据因素权重大小和权重的接近度选择费用驱动因子,利用所选择的驱动因子建立多元回归模型。与已有文献中的方法对比,结果表明本文的方法具有较高的预测精度,说明基于驱动比重最大化的复杂装备费用驱动因子识别模型能够诊断费用的关键影响因素。

基于新信息优先主成分回归的多参数复杂装备费用预测

选择合适的费用驱动因子是装备参数费用建模的一个关键问题。本文基于灰色系统的"新信息优先原理"提出新信息优先的主成分回归模型,证明了新信息优先的主成分分析模型充分反映新信息的误差。通过实例建立新信息优先的主成分回归模型,并与BP神经网络方法、支持向量机方法的结果进行对比,结果表明本文的方法具有更高的预测精度。

基于灰色关联协同效应权重配置的费用预测模型

费用预测是复杂装备成本管理的核心内容。在同类型复杂装备仅有少量样本信息的情况下,为提高估算预测精度,解决贫信息下费用影响要素筛选困难、要素间由于协同效应导致的权重分配不合理、费用预测误差较大等问题,提出了一种基于灰色关联协同效应贡献度分配的要素权重配置方法。首先通过灰色关联度分析筛选相似样本及费用关键影响要素;然后,依据各要素在协同效应下对灰色关联度提高的贡献程度大小,参考Shapley值思想计算各要素的灰色比较关联重要性,以此确定权重;最后,构建相应的异阶参数灰色分数阶预测模型,对目标装备进行费用预测。通过与已有文献中的方法进行对比,结果表明所提方法有较高的预测精度且具有一定的适用性,能够挖掘小样本下费用影响要素间的潜在信息,更可以合理地分配要素权重,提高费用预测精度。

灰色自记忆耦合模型在复杂装备费用测算中的应用

为了全面提高复杂装备费用的合理使用度,构建了复杂装备费用测算的灰色自记忆耦合模型,借助自记忆预测技术来提高其预测精度.模型通过有机耦合自记忆原理与传统灰色模型,综合了两者各自的优势.系统的自记忆方程包含多个时次初始场而不仅是单个时次初始场,从而克服了传统灰色预测模型对初值比较敏感的弱点.通过对复杂装备费用测算的两个案例分析,验证了该耦合模型由于充分挖掘了多时点系统历史资料,能够紧密捕获复杂系统的演化路径.三个误差分析指标综合验证了灰色自记忆耦合模型的可靠性和稳健性,以及较其他传统统计方法和灰色预测模型明显优越的预测能力.研究结果表明,所提出的灰色自记忆耦合模型丰富了装备费用测算方法,值得推广应用于其他类似的复杂装备费用测算问题.