戰備航材需求預測研究綜述

張敦成

摘要：航材需求預測是航材部門一直研究的熱點問題之一，本文結合大量航材需求預測方法，從時間序列法和機器學習法入手，分析各類方法的優缺點，對航材需求預測技術研究現狀進行總結。

關鍵詞：預測;航材需求

航材預測是航材領域一直研究的問題，研究方法多種多樣，預測精度也有好壞。 李衛靈等[1]考慮航材消耗的灰度性，針對部分航材樣本數據少，消耗變化大的特點，采用灰色時間序列GM（1，1）模型對航材消耗進行預測，為“小樣本，貧信息”航材的消耗預測研究提供了一種思路。馬保國等[2]以備件完好率為指標，就低消耗航材消耗量的隨機性提出了一種基于馬爾可夫預測結合蒙特卡洛仿真的低消耗航材預測方法。韓戈白等[3]基于經濟成本最小，綜合效益最大的目標，結合航材消耗特點規律，應用ARIMA模型對航材消耗進行預測，并對預測結果進行修正，得出最終航材消耗預測值。指數平滑方法、指數加權移動平均法等適用于連續需求的預測方法，一度被用來進行需求預測，但其結果精度不高，尤其在需求中有大量的零的情況下，因此J.D.Croston[4]綜合考慮需求時間間隔與消耗歷史的影響，在指數平滑方法基礎上提出了Croston方法用以實現航材預測。吳雯雯等[5]認為艦船器材消耗隨時間變化具有較大的波動性，高峰厚尾現象明顯，對數據進行一階二階差分處理，得到平穩的時間序列，并對其殘差序列進行分析，對二階差分序列和殘差序列進行ARCH檢驗，構建GARCH模型，對GARCH族的各個模型的AIC值進行比較，選取滯后階數最小（AIC值最小）的模型進行預測，找出了波動性器材的消耗規律，減小了滯后階數。

以上主要通過時間序列法對小樣本、貧信息的航材備件進行需求預測，適用于低消耗航材，對短期航材消耗預測精度較高，但無法對長期消耗規律做出準確預測。

齊浩淳等[5]考慮高原山地條件下的彈藥消耗影響因素，把近幾年的彈藥消耗量作為時間序列，利用BP神經網絡對數據進行訓練，形成適合高原山地條件下的預測模型，對高原山地條件下的彈藥消耗進行了比較準確預測。王緒民等[6]針對BP神經網絡在訓練數據時收斂速度慢，容易陷入局部最優的問題，利用人工魚群算法優化BP神經網絡的權值和閾值，提高了BP神經網絡的預測精度。孫偉奇等[7]基于新機列裝時間短、消耗數據少、保障難度大的特點，提出使用SVM對新機消耗進行預測，并引入誤差平方和項，通過十字交叉法確定參數，通過仿真，驗證了模型的可靠性。田德紅等[8]引入鄰域粗糙集概念，通過設置重要度下限對航彈消耗影響因素進行約簡，采用SVM對航彈消耗量進行預測，并使用粒子群算法優化核參數和懲罰因子，提高了預測精度，對提高航彈保障水平具有指導意義。劉旭等[9]利用PCA的降維思想，篩選出航材消耗主要影響因素，并將其作為支持向量機的輸入量，對航材消耗進行了預測，證明了模型的有效性。詹韌等[10]為解決燃油消耗影響因素眾多，且存在耦合效應的問題，使用PCA對影響因素進行約簡，利用ELman網絡對燃油消耗進行預測，并對預測結果進行K-S檢驗，經驗證，該方法優于PCA與其他網絡的組合。田德紅等[11]在PSO中加入自適應變異算子，找出最優序列作為DNN各層的權值和閾值，利用DNN對航彈消耗進行預測，為解決航彈消耗問題提供了思路。

參考文獻

[1]李衛靈，史玉敏，郭星香，張力.GM（1，1）模型在航材消耗預測中的應用[J].價值工程，2011，30（22）：18-19.

[2]馬保國，賀步杰，高雙峰.低消耗器材的馬爾可夫預測模型[J].系統工程理論與實踐，1999（05）：3-5.

[3]韓戈白，陳迪，王博，楊紹雄.基于ARIMA和誤差修正的航材消耗預測模型[J].電子質量，2019（02）：24-30.

[4]Croston J. D. Forecasting and Stock Control for Intermittent Demands[J]. OperationalResearch Quarterly （1970-1977），1972，23（3）.

[5]齊浩淳，黃大鵬，魏久南，陳志剛.基于BP神經網絡的高寒山地彈藥消耗需求分析[J].兵器裝備工程學報，2016，37（06）：97-101.

[6]王緒民，王志帥，王琪，蘇秋斕.基于IAFSA-BP神經網絡的泥水盾構機跨江段油脂消耗預測[J].公路，2020，65（11）：379-385.

[7]孫偉奇，周斌，史玉敏，孫吉良.基于LS-SVM的新機備件需求預測[J].兵工自動化，2018，37（07）：71-73+78.

[8]田德紅，何建敏，張保強.基于NRS-SVM模型的航空彈藥消耗預測研究[J].南京航空航天大學學報，2018，50（05）：666-671.

[9]劉旭，周麗華，朱臣.基于PCA-SVM的航材需求預測方法研究[J].艦船電子工程，2017，37（07）：105-109.

[10]詹韌，張登成，鄭無計.基于PCA優化的神經網絡飛機燃油消耗預測方法[J].測控技術，2019，38（05）：40-43+57.

[11]田德紅，何建敏.基于變異粒子群優化與深度神經網絡的航空彈藥消耗預測模型[J].南京理工大學學報，2018，42（06）：716-721+726.