基于时间序列与灰色理论的油料组合预测方法

被引：8

作者：

张敬祎

练萌

龚杰

机构：

[1] 后勤工程学院

来源：

兵器装备工程学报 | 2018年 / 39卷 / 01期

关键词：

油料; 消耗量; 预测; 灰色理论; 时间序列;

D O I：

暂无

中图分类号：

E234 [军事运输勤务];

学科分类号：

1107 ;

摘要：

为提高油料消耗量的预测精度,建立了基于灰色理论和时间序列的油料消耗量组合预测模型;更好地挖掘了两种方法所隐含的数据规律,使单一预测模型中存在的不确定性得到分散;算例结果表明:组合预测模型的预测结果更贴近于真实数据,预测精确度更高、误差更小,将该模型用于油料消耗量预测是可行的。

引用

页码：132 / 135

页数：4

共 9 条

[1] 基于改进粒子群算法的油料消耗量优化组合预测方法 [J].

龚杰 ;

雍歧东 ;

秦朝臻 ;

张晓峰 ;

刘洲 .

军事交通学院学报, 2017, 19 (04) :84-89

[2] 基于时间序列ARIMA与BP神经网络的组合预测模型 [J].

翟静 ;

曹俊 .

统计与决策, 2016, (04) :29-32

[3] 小波分析在油料消耗预测中的应用 [J].

张德亮 ;

杨国利 ;

郭嘉 ;

牟永强 .

军事交通学院学报, 2014, 16 (11) :86-90

[4] 基于灰色神经网络的装甲部队油料消耗预测 [J].

夏秀峰 ;

刘权羲 .

火力与指挥控制, 2014, (09) :91-95+100

[5] 基于灰色预测理论的油料消耗预测优化 [J].

李小安 ;

丁泽中 ;

樊荣 .

中国储运, 2013, (11) :123-125

[6] 基于支持向量机的舰艇部队作战油料消耗量预测研究 [J].

陆思锡 ;

周庆忠 ;

熊彪 .

物流技术, 2013, 32 (05) :468-470

[7] 基于灰色GM(1,1)模型的时间序列预测研究 [J].

于婷婷 ;

周玉国 .

微型机与应用, 2012, 31 (13) :65-67

[8] 灰色-马尔科夫油料消耗预测模型 [J].

马文博 ;

郭福亮 .

舰船电子工程, 2012, 32 (06) :106-107+129

[9] 基于改进GM(1,1)和SVM的长期电量优化组合预测模型 [J].

宋晓华 ;

祖丕娥 ;

伊静 ;

刘达 .

中南大学学报(自然科学版), 2012, 43 (05) :1803-1807

← 1 →