基于灰色神經網絡的裝甲部隊油料消耗預測

夏秀峰，劉權羲

（沈陽航空航天大學計算機學院，沈陽 110136）

基于灰色神經網絡的裝甲部隊油料消耗預測

夏秀峰，劉權羲

（沈陽航空航天大學計算機學院，沈陽 110136）

油料消耗量的精確預測直接影響裝甲部隊后勤保障能力的提升，而傳統預測模型精度不高，應用范圍也有一定的局限，難以滿足信息化戰爭精確保障的需要。提出一種裝甲部隊油料消耗預測的組合模型，對歷史油料消耗數據和油耗影響因素進行統計分析，求出各影響因素與油耗量的關聯度作為權重系數；通過改進GM(1,1)模型預測某部隊下一次軍事行動的油耗量；用GM(1,1)模型的預測值、加權后的各影響因素值和油耗實際值訓練網絡，對下一次想定的軍事行動油耗量進行預測。通過平均相對誤差計算表明，組合預測模型比單一的GM(1,1)模型預測精度高，能夠較好地指導部隊進行下一步的油料供管工作。

裝甲部隊，油耗預測，灰色系統理論，神經網絡，組合模型

引言

精確保障是高技術條件下局部戰爭后勤保障的基本特征，精確的后勤保障離不開準確的物資消耗預測。已經有很多學者對油料消耗預測進行了深入探討，對本文的研究有極大的借鑒作用：賈寶華等以單一的神經網絡預測模型、時間序列預測模型和灰色預測模型為組合模型的基礎，利用神經網絡求取3種模型的權重系數，將其預測結果作為新組合模型的輸入，求得精度更高的預測結果［1］；王冰等提出案例推理技術在油料保障需求預測中能夠在缺少歷史數據的情況下進行比較精確的預測［2］；……