基于偏最小二乘回归的飞机维修保障费用预测

分析了影响飞机维修保障费用的参数,提出用偏最小二乘回归方法来预测飞机维修保障费用。该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好。实例证明,与传统普通多元线性回归方法相比,偏最小二乘回归在飞机维修保障费用预测中精度更高。

灰色增量模型在山东省卫生总费用预测中的应用

卫生总费用(total expenditure on health,TEH)不但可以反映地区一定时期全社会用于卫生服务的资金总额,而且可以为卫生政策制定和政策效果监测提供依据[1-2]。作为我国人口大省和经济大省之一,山东省目前正处于推进“健康中国2030”建设、全面落实“十三五”规划以及进一步深化医药卫生体制改革的关键时期,对山东省卫生总费用进行预测和分析显得尤为重要。

基于线性回归模型的机电产品再制造费用预测

针对再制造决策者在产品再制造成本发生前无法决策的问题,提出运用线性回归模型,建立产品零部件失效类型信息与产品再制造费用之间的线性关系;基于同类产品零部件失效类型信息以及同类产品再制造费用的统计,对产品的再制造费用进行事前预测,并根据各类零部件的质量属性,对产品再制造的预测费用进行修正,获得相对准确的产品再制造费用预测,并用预测费用与实际费用的相对误差描述再制造费用预测的准确性。

基于知识发现的火箭武器研制费用预测

小样本的火箭武器研制费用预测通常难于应用线性回归方法,而灰色理论方法在实际中仍不能较好地解决费用与武器特征参数间存在的非线性问题。提出了融合粗集理论和神经网络预测火箭武器研制费用的新方法,利用粗集知识约简后的特征要素作为神经网络的输入,实现火箭武器研制费用的预测,并用实例证明了基于粗集-神经网络的费用预测精度高于灰色模型预测精度。

小样本条件下航空装备费用预测

为了提高小样本条件下的航空装备费用预测的精度,将信息扩散方法和支持向量机相结合,提出了信息扩散支持向量机预测模型,对模型的拓扑结构、建模步骤进行了描述.为了采用粒子群优化算法为模型选择合适的参数,考虑到模型参数既有连续变量,又有离散变量,提出对粒子位置的各个分量采用不同的更新策略.将信息扩散支持向量机应用于军用飞机机载电子设备的生产费用预测,预测结果的平均相对误差绝对值为3.3%,表明该方法可以满足工程的实际需要.

武器装备研制阶段费用预测方法及仿真

提出一种基于小波神经网络的武器装备研制阶段的费用预测方法.建立小波神经网络预测模型,并推导该模型的预测算法.应用一组美军反舰导弹数据进行仿真预测.结果表明,小波神经网络方法比传统BP网络方法平均预测误差减小了1%,收敛速度加快了3倍.

卫生总费用预测研究进展情况

卫生总费用（National health expenditure，NHE）是一个国家或地区的卫生领域在一定时期内（通常指1年）开展卫生服务所筹集或支出的卫生资源的货币表现。作为卫生方面的宏观经济信息，是评价一个国家和地区卫生筹资政策和资金利用情况的重要指标。预测研究是卫生总费用研究领域的重要内容，是与前瞻性卫生政策制订相关的基础性研究之一。卫生总费用预测研究，是经过长期的测算和积累，根据目前已经掌握的历史数据，

大型装备费用预测中的系统分析

将大型装备连续建造的总成本及控制变量作为一个变化系统,并用灰色系统理论进行建模分析,采用龙格-库塔法求解微分方程组.通过对精度的分析,指出使用灰色系统预测结果不能采用统计分析方法的相关性检验标准,而要通过预测数列与原始数列的逼近情况来判断其预测精度.

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。

季节自回归求和移动平均模型在重庆市某老年群体医疗费用预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在某老年人群医疗费用预测中的应用,预测医疗费用的逐月趋势。方法①对重庆市某老年群体2005~2010年的逐月人均医疗费用分析模拟,建立季节ARIMA模型。②利用2011年的数据对模型进行修正,并且与Winters指数平滑法比较,采用平均相对误差评价预测效果;结果 ARIMA(0,1,1)(2,1,0)12模型是该老年群体医疗费用预测的最优拟合预测模型,平均相对误差是9.84%。结论 ARIMA(0,1,1)(2,1,0)12模型可用于老年人逐月人均医疗费用的短期预测。

基于间接DGM(1,1)模型的我国人均卫生总费用预测分析

自20世纪80年代邓聚龙教授提出灰色系统理论以来，灰色预测模型（Gray Model，GM）被广泛用于工业、农业、医学、经济、气象、军事等领域，其中GM（1，1）模型是基础和核心。由于GM（1,1）模型预测精度的不稳定性，后有学者提出离散的灰色模型（Discrete Gray Model，DGM（1，1））。不论是GM（1，1）还是DGM（1，1），都要求原始数据序列服从近似的齐次指数增长规律，但是在现实中服从近似的齐次指数增长规律的数据是有限的。间接DGM（1，1）模型将近似非齐次指数序列转化为近似齐次指数序列，从而提高了模型的模拟预测能力。

基于粗糙集的RBF神经网络在装备研制费用预测中的应用

运用粗糙集方法和信息熵概念,按照费用特征参数相对于费用的重要度的大小,对费用特征参数集进行约简,以确定RBF神经网络输入层变量.在此基础上通过对典型样本的学习,建立装备研制费用预测模型.实例结果表明该方法具有较高的预测精度,是可行的、有效的.

改进GM(1,1)模型在特装修理费用预测中的应用

基于灰色系统GM(1,1)模型理论,用改进后的预测模型预测海军舰船特装修理费用,可充分开发并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,得到高精度的预测结果,以某型舰船特装修理费用为例,建立了预测模型,并进行了中短期预测,结果表明,其精度优于传统模型。

基于LS-SVM的无人机费用预测

无人机费用预测是在装备研制设计阶段就必须考虑的重要问题。针对无人机费用预测小样本、具有不确定性等特点,提出了基于最小二乘支持向量机(LS-SVM,Least Squares Support Vector Machines)的无人机费用预测模型,并应用于研制费用、维修保障费用预测。应用结果表明,LS-SVM具有较高的费用预测精度。

输油管道运行费用预测模型研究

人工神经网络模型在管道运行费用预测中具有独特的优越性 ,因此可以利用人工神经网络的方法来模拟管道输量与管道运行费用之间的映射关系。计算结果表明 ,该模型误差在± 2 %以内 ,完全满足工程实际需要。

海军医院住院费用预测模型的建立与应用

目的 :建立住院费用预测模型 ,并运用该模型预测大病住院费用。方法 :根据 1998至 2 0 0 0年的住院大病病案首页 ,采用多元逐步回归分析等统计方法构建住院费用预测模型。结果 :大病住院费用模型拟合效果较好 ,预测数据基本符合实际数据。结论 :住院费用预测模型既可定量地分析影响大病种住院费用的各种因素 。

基于CBR与RBR的国际工程风险费用预测

由于国际工程存在的风险因素众多且信息来源具有很大局限性,国际工程风险费用的预测是一个难点,但其对于国际工程的投标报价竞争力以及项目的最终盈利能力而言又具有重要影响。因此,论文构建了基于事例推理(CBR)与规则推理(RBR)的风险费用预测模型,首先在总结、归纳相关文献的基础上提出基于特征属性的风险案例表示方法,为风险案例的知识提取与检索奠定了基础;然后,选出合适的案例检索方法,对风险费用的影响因素进行分析归纳,在此基础上利用事例推理与规则推理的相关理论构建了国际工程风险费用预测的基本框架;最后结合Fisher聚类法、集对分析理论与模糊权重理论建立了国际工程风险费用预测模型,并通过实例应用验证了模型的有效性与可行性。

基于PSO-SVM的山区营运高速公路边坡防治费用预测

【目的】山区营运高速公路边坡的防治费用。【方法】以安徽省山区营运高速公路为研究对象,在综合考虑边坡基本情况、防治方案和价格因素3个方面共14个特征指标的基础上,建立了利用粒子群优化(particle swarm optimization,PSO)算法优化支持向量机(support vector machine,SVM)的山区营运高速公路边坡防治费用预测模型。通过PSO算法对SVM的惩罚因子和核函数参数进行优化,根据工程实例采用相对误差、均方根误差和判定系数等对所建模型的预测性能进行验证和评估,并与其他模型进行比较。【结果】应用所建模型预测山区营运高速公路的边坡防治费用,平均相对误差降低了41.9%,判定系数达到了0.953。【结论】所建模型具有较高的准确性和适用性,可为边坡防治决策提供参考。

改进BP神经网络在特装修理费用预测中的应用

海军舰船特装修理费用影响因素多,各因素作用机理不明晰,建模预测难度大。BP神经网络对于解决这类“黑箱”问题优势明显,可通过自我学习训练建立模型。以某型舰船特装修理费用为例,充分利用稀缺的历史数据,运用改进的BP神经网络建立费用预测模型,并进行了特装修理费用预测,预测精度优于传统模型,可应用于管理决策活动中。

基于Gram-Schmidt回归的军用无人机研制费用预测

针对军用无人机研制费用预测样本数据缺乏、影响因素复杂的问题,利用Gram-Schmidt回归方法提取无人机研制费用预测的关键参数,给出了基于Gram-Schmidt回归的军用无人机研制费用预测模型和算法步骤。利用样本数据进行检验,并与逐步多元回归、人工神经网络和偏最小二乘等预测方法进行了比较。结果表明Gram-Schmidt回归方法用于军用无人机研制费用预测具有实用性和优越性。