-
题名基于改进灰色波形预测模型的装备故障预测
- 1
-
-
作者
张佶
洪亮
杨利斌
-
机构
海军航空大学
-
出处
《火力与指挥控制》
北大核心
2025年第1期80-86,共7页
-
文摘
装备故障预测存在小样本、波动性强的特性,针对传统灰色波形预测模型对波动序列进行拟合时误差较大问题,探索一种基于神经网络优化改进灰色波形预测模型的装备故障预测方法,该方法主要采用BP神经网络与灰色波形预测模型中GM(1,1)模型组进行并联,优化等高点出现时间预测精度,从而得出中短期时间内预测波形,最终计算得出未来某一时间点的装备故障率,装备故障预测实例表明,改进后的波形预测模型较传统波形预测模型有更高的精度。
-
关键词
故障预测
灰色波形预测模型
灰色神经网络
GM(1
1)
-
Keywords
fault prediction
grey waveform prediction model
grey neural network
GM(1,1)
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
-
-
题名基于GA-灰色波形预测模型的白洋淀天然入淀水量
被引量：6
- 2
-
-
作者
任旺
徐国宾
-
机构
天津大学水利工程仿真与安全国家重点实验室
河北省水利水电第二勘测设计研究院
-
出处
《南水北调与水利科技》
CSCD
北大核心
2017年第5期9-14,49,共7页
-
基金
国家自然科学基金(51321065)~~
-
文摘
白洋淀天然入淀水量在长期的时间序列上有着丰、枯水期交替演化的规律,灰色波形模型适用于这一规律发展趋势的研究。通过遗传算法(GA)对灰色一阶模型(GM(1,1))的迭代基值α与背景值系数β进行优化,利用遗传算法收敛效率高,选择范围广的优点,建立了以GA-GM(1,1)群为基础的GA-灰色波形模型,对白洋淀天然入淀水量趋势进行研究。最终得出结论:GA-灰色波形模型不仅在信息序列的拟合上明显优于传统灰色波形模型,且GA-灰色波形模型能更好的抓住信息序列发展特点,更为准确的预测白洋淀天然入淀水量演化规律。说明用GA-灰色波形模型进行白洋淀天然入淀水量研究是可行的,也为研究湖泊水资源量变化提供了一种新思路。
-
关键词
天然水量预测
遗传算法(GA)
灰色波形模型
GA-GM(1
1)模型
白洋淀
-
Keywords
natural water volume forecast
genetic algorithm（GA）
grey wave forecasting model
GA-GM（1
1）model
Baiyangdian Lake
-
分类号
TV213
[水利工程—水文学及水资源]
TV211
[水利工程—水文学及水资源]
-
