基于改进粒子群算法的油料消耗量优化组合预测方法

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

模型为基础，构建一种基于改进粒子群算法确定权重分配的优化组合预测模型。以某部队执行某任务的消耗量数据为依据，分别采用３种单一预测模型和基于改进粒子群算法的优化组合预测模
型对油料消耗量进行拟合预测。结果表明：后者较前３种单一预测模型的拟合精度更高、预测误差
，
ｉｎｄｅｘｏｆＰＯＬｃｏｎｓｕｍｐｔｉｏｎｆｏｒｅｃａｓｔ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｆｏｒｅｃａｓｔａｃｃｕｒａｃｙｔｈｉｓｐａｐｅｒｉｆｒｓｔｌｙｅｓｔａｂｌｉｓｈｅｓａｎｏｐｔｉｍａｌｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｍｏｄｅｌｗｉｔｈｉｍｐｒｏｖｅｄｐａｔｒｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｔｏｄｅｔｅｒｍｉｎｅｗｅｉｇｈｔｄｉｓｔｒｉｂｕｔｉｏｎｏｎｔｈｅｂａｓｅｏｆｔｈｒｅｅｓｉｎｇｌｅ
● 基础科学与技术
ＢａｓｉｃＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏ的
油料消耗量优化组合预测方法
龚杰，雍歧东，秦朝臻。，张晓峰，刘洲
（１．后勤工程学院油料应用与管理工程系，重庆４０１３１１；
２．９６２０１部队，昆明６５０２００；３．９２４０３部队，福州３５００００）
摘要：油料消耗量预测是实施精确保障的关键环节，而预测精度是油料消耗量预测的重要评价标
准。为提高预测精度，以ＧＭ（１，１）、平滑指数法（ＥＳ）及广义回归神经网络（ＧＲＮＮ）３种单一预测
ＧＯＮＧＪｉｅ，ＹＯＮＧＱｉｄｏｎｇ，ＱＩＮＺｈａｏｚｈｅｎ。，ＺＨＡＮＧＸｉａｏｆｅｎｇ，ＬＩＵＺｈｏｕ（１．ＭｉｌｉｔａｙｒＯｉｌＡｐｐｌｉｃａｔｉｏｎａｎｄＭａｎａｇｅｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇＤｅｐａｒｔｍｅｎｔ，ＬｏｇｉｓｔｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ
更小，充分验证了该组合预测模型的可靠性和精确性。
关键词：油料消耗量预测；优化组合预测方法；粒子群算法
ＤＯＩ：１０．１６８０７／ｊ．ｃｎｋｉ．１２－１３７２／ｅ．２０１７．０４．０２０
中图分类号：Ｅ２３３
文献标志码：Ａ
文章编号：１６７４－２１９２（２０１７）０４．００８４ — ０６
ＰＯＬＣｏｎｓｕｍｐｔｉｏｎＯｐｔｉｍａｌＣｏｍｂｉｎａｔｉｏｎＦｏｒｅｃａｓｔＭｅｔｈｏｄＢａｓｅｄｏｎＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ
第ｌ９卷
第４期
军事交通学
院学报
Ｖｏ１．１９Ｎｏ．４
Ａｐｒｉｌ２０１７
２０１７年４月
ＪｏｕｒｎａｌｏｆＭｉｌｉｔａｒｙＴｒａｎｓｐｏｒｔａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ
ｆｏｒｅｃａｓｔｍｏｄｅｌｓ：ｇｒｅｙｍｏｄｅｌ（ＧＭ）（１，１），ｅｘｐｏｎｅｎｔｉａｌｓｍｏｏｔｈｉｎｇ（ＥＳ）ａｎｄｇｅｎｅｒａｌｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ（ＧＲＮＮ）．
，
Ａｂｓｔｒａｃｔ：ＰＯＬｃｏｎｓｕｍｐｔｉｏｎｆｏｒｅｃａｓｔｉｓｔｈｅｋｅｙｌｉｎｋｉｎｐｒｅｃｉｓｅｓｕｐｐｏｔｒ
，
ａｎｄｆｏｒｅｃａｓｔａｃｃｕｒａｃｙｉｓｔｈｅｉｍｐｏｒｔａｎｔｅｖａｌｕａｔｉｏｎ
Ｃｈｏｎｇｑｉｎｇ４０１３１１，Ｃｈｉｎａ；２．Ｕｎｉｔ９６２０１，Ｋｕｍｎｉｎｇ６５０２００，Ｃｈｉｎａ；３．Ｕｎｉｔ９２４０３Ｆｕｚｈｏｕ３５００００，Ｃｈｉｎａ）