[发明专利]一种改进型复杂装备备件消耗的预测方法

说明书

本发明提供了一种改进型复杂装备备件消耗的预测方法，首先根据经典灰色预测模型GM(1，1)的建模，利用分数阶拓展算子构建预测精度更高的分数阶灰色预测模型FGM(1，1)；然后改进指数平滑法、自适应滤波法，结合信息集结算子对单项预测模型进行动态赋权，建立基于对数夹角向量余弦与诱导有序加权几何平均算子的备件需求组合预测模型。本发明在优选和改进单项预测模型的基础上，直接从实际值和预测值之间的相关性指标出发，同时结合信息集结算子对单项预测模型进行动态赋权，建立基于对数夹角向量余弦与诱导有序加权几何平均(IOWGA)算子的备件需求组合预测模型，以提高备件需求预测的准确性和高效性。

技术领域

本发明涉及一种改进型复杂装备备件消耗的预测方法，属于装备综合保障技术领域。

背景技术

随着新军事条件下的发展需求，军事装备任务呈现出高密度、常态化的趋势，各类训练任务密度加大，任务间隔期越来越短，对武器装备精确化保障能力提出了更高要求。

备件是装备维护和修理的重要物质基础，是保障装备技术状态良好，提高装备再生能力的物质保证。由于复杂装备备件品种多、层次多、数量广，且大型装备故障具有随机性，备件消耗不确定，难以精确预测未来一段时间备件的消耗量，传统的经验式粗放型备件配备方法已经不能满足大型军事装备备件保障的要求，必须采用科学有效的方法对复杂装备的备件需求进行消耗预测，精准实现备件的预置预储，使得备件需求既能及时足量的满足，又能避免过量存储造成的资源浪费，实现备件经费效益的最大。

现有备件预测配备方法一般是通过统计分析备件消耗的历史数据，总结备件的消耗规律，预测未来的备件需求，是备件需求预测的基本思路。其中，常用的方法有灰色预测法、指数平滑法、神经网络预测法，单一模型预测方法由于只进行主成分分析，加之复杂装备备件历史数据具有小样本、备件具有价值高等特点，所以存在一定的天然缺陷，影响了预测精度；因此模型组合预测思想从提高某种拟合误差的角度为切入，是提高预测性能的一个重要手段。

发明内容

为解决上述技术问题，本发明提供了一种改进型复杂装备备件消耗的预测方法，改改进型复杂装备备件消耗的预测方法提高了复杂装备的备件预测精度。

本发明通过以下技术方案得以实现。

本发明提供的一种改进型复杂装备备件消耗的预测方法，首先根据经典灰色预测模型GM(1，1)的建模，利用分数阶拓展算子构建预测精度更高的分数阶灰色预测模型FGM(1，1)；然后改进指数平滑法、自适应滤波法，结合信息集结算子对单项预测模型进行动态赋权，建立基于对数夹角向量余弦与诱导有序加权几何平均算子的备件需求组合预测模型。

所述改进的指数平滑法采用差分-比率-均值相结合的方法确定α，步骤如下：

①根据备件需求实际值的时间序列x_t，按照Δx_t＝x_t-x_t-1求出一级差分序列Δx_t，并求出Δx_t的算术平均值；

②用各期Δx_t的比值构造获得新的比率序列；

③步骤①中的算术平均值，将其作为平滑系数α的值。

所述改进的自适应滤波法是调整常数w进行改进，公式如下：

其中，N为权值个数，X为时间序列的实际观测值，t为时间序列。

所述预测模型为：