战时航材需求预测方法技术

本发明专利技术涉及一种战时航材需求预测方法，基于航材需求量的马尔科夫性建立马尔科夫预测模型，将马尔科夫预测模型和蒙特卡罗算法仿真相结合，以MATLAB为平台基于建立的马尔科夫预测模型对有限的历史航材需求量数据进行仿真处理，实现战时航材需求预测，并对进行误差分析，提高了战时航材需求预测的可靠性。提高了战时航材需求预测的可靠性。提高了战时航材需求预测的可靠性。

【技术实现步骤摘要】
战时航材需求预测方法


[0001]本专利技术属于航材管理
，涉及战时航材需求预测技术，具体地说，涉及一种战时航材需求预测方法。

技术介绍

[0002]在现代高科技战争中，航空兵的作用越来越显著，空中力量已经成为决定战争胜败的主导因素。为了提高战机在战争中的可用性，增强战机的持续出动能力，良好的战时航材保障起了至关重要的作用。由于现代战争具有很强的变异性、复杂性以及多样性，加之作战飞机的频繁使用及战场环境恶劣,战斗损伤不可避免，因此，战时航材消耗较平时有较大变化，并且会呈现许多不同的特点和规律。作战飞机对航材的依赖性极大，因此做好航材需求预测工作具有重要的军事和经济意义。但由于战时样本量极少，很难用一般的预测方法进行需求预测，并且预测精度很低，这给战时航材保障人员在进行航材保障时带来很大困难。同时，由于战时航材需求预测是一个较为复杂的系统，难以建立精确的数学模型进行准确预测。

技术实现思路

[0003]本专利技术针对现有技术存在的上述问题，提供了一种战时航材需求预测方法，该方法将马尔科夫模型和蒙特卡罗仿真相结合，通过对有限的历史数据进行仿真处理并进行误差分析，预测的可靠性高。
[0004]为了达到上述目的，本专利技术提供了一种战时航材需求预测方法，含有以下步骤：
[0005]S1、构建马尔科夫预测模型，求解航材需求量状态概率；
[0006]S11、以时间t划分阶段，某航材在过去某一时间段内的消耗情况作为状态量，该航材的月需求量为X，则该航材在状态t1，t2，...，t/>n
的取值分别为x1，x2，...，x
n
，该航材的航材需求量中最大值X
max
，最小值记为X
min
，航材需求量为整数，则该航材共有n＝X
max
‑
X
min
+1种状态；
[0007]S12、在样本数量足够大时，用频率近似替代概率，设Y
i
为处于状态E
i
的样本数，Y
ij
(k)为状态E
i
经过k步转移到状态E
j
的数据个数，用P
ij
(k)表示k步转移概率，如下所示：
[0008][0009]则相应的k步状态转移概率矩阵P(k)表示为：
[0010][0011]S13、根据k步状态转移概率矩阵P(k)建立马尔科夫预测模型表示为：
[0012]C(t)＝C(t
‑
k)
×
P(k)
ꢀꢀ
(1)
[0013]式中，C(t)表示未来k个月的航材需求量状态概率预测值，C(t
‑
k)表示时间t
‑
k阶段的航材需求量状态概率值；
[0014]S2、基于马尔科夫预测模型，采用蒙特卡罗算法仿真随机模拟得到航材需求量，并将随机模拟的航材需求量与历史航材需求量对比，进行误差分析。
[0015]优选的，所述步骤S2中，采用蒙特卡罗算法仿真随机模拟得到随机模拟航材需求量并进行误差分析的具体步骤为：
[0016]S21、以MATLAB为平台，在MATLAB中以矩阵的形式输入历史航材需求量，找出其中最大值和最小值，计算出航材需求量可能存在的状态，令t＝0，记录所需要预测的未来k个月的个数k；
[0017]S22、统计每种航材需求量状态数量，以及由该种状态下一步转移状态的数量，计算出第1步状态转移概率矩阵P(1)并以此类推计算出第2、3、
…
、k步状态转移矩阵；
[0018]S23、根据最后一个状态的样本值，由马尔科夫预测模型计算出各个状态对应航材需求量的概率预测值；
[0019]S24、令t＝t+1，使用MATLAB内置的unifrnd函数生成k个在[0,1]上服从均匀分布的随机数；
[0020]S25、将航材需求量的概率拟合转换为具体的航材需求量，若产生的随机数大于0且小于等于变为第一种状态的概率，则航材需求量为0，若产生的随机数大于变为第一种状态的概率且小于等于变为前两种状态的概率之和，则航材需求量为1，以此类推求得第2、3、
…
、k月的航材需求量；
[0021]S26、当t<N时，N为设定仿真次数，仿真尚未结束时，转至步骤S22，当当t≥N时，仿真结束，进入步骤S27；
[0022]S27、使用MATLAB内置的exprnd函数产生服从指数分布的随机序列值，以历史航材需求量的方差作为评判标准选取随机模拟航材需求量，将选取的随机模拟航材需求量与历史航材需求量进行对比，进行误差分析。
[0023]优选的，所述步骤S27中，获取随机模拟航材需求量的具体步骤为：
[0024]使用MATLAB内置的exprnd函数产生服从指数分布的随机数；
[0025]根据历史航材需求量，计算出其均值和方差；
[0026]使用MATLAB内置的exprnd函数根据历史航材需求量的均值生成随机序列值；
[0027]以历史航材需求量的方差作为评判标准，选取与历史航材需求量方差最小的一组随机序列值作为随机模拟航材需求量。
[0028]与现有技术相比，本专利技术的有益效果在于：
[0029]本专利技术基于航材需求量的马尔科夫性建立马尔科夫预测模型，将马尔科夫预测模型和蒙特卡罗算法仿真相结合，以MATLAB为平台基于建立的马尔科夫预测模型对有限的历史航材需求量数据进行仿真处理，实现战时航材需求预测，并对进行误差分析，提高了战时航材需求预测的可靠性。同时，因为该预测方法简单实用，可以通过计算机软件批量处理，且有较高的可信度，所以还可以推广到其它相似领域的预测，应用范围广。
附图说明
[0030]图1为本专利技术实施例基于马尔科夫预测模型采用蒙特卡罗算法仿真的流程图；
[0031]图2为本专利技术实施例航材个数与航材满足率的关系图；
[0032]图3为本专利技术实施例蓄压器原始数据(即历史航材需要量)与模拟数据(即模拟航材需求量)随月份变化图。
具体实施方式
[0033]下面，通过示例性的实施方式对本专利技术进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
[0034]传统的战时航材需求预测模式为了保证战时航材充足供应,往往会将航材大量储备起来，从而造成航材积压，消耗大量的资源。在战争爆发的时候，存在相当数量的航材，其每月需求量为一个较小的整数，这类的低需求航材消耗量是一个随机变量，它在一定的范围内呈现出随机的波动性，时间序列预测法及灰色系统预测法均不能有效地预测其需求量。过去的战争数据和平时的训练数据只能作为一个参考，战争的演变速度很快，对战时物资的需求日新月异，过去的数据信息对现在价值不大。本专利技术中，假设此类航材未来的需求量的情况与“过去”的情况是无关的，只与当前状态有关，即该类航材本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种战时航材需求预测方法，其特征在于，含有以下步骤：S1、构建马尔科夫预测模型，求解航材需求量状态概率；S11、以时间t划分阶段，某航材在过去某一时间段内的消耗情况作为状态量，该航材的月需求量为X，则该航材在状态t1，t2，...，t
n
的取值分别为x1，x2，...，x
n
，该航材的航材需求量中最大值X
max
，最小值记为X
min
，航材需求量为整数，则该航材共有n＝X
max
‑
X
min
+1种状态；S12、在样本数量足够大时，用频率近似替代概率，设Y
i
为处于状态E
i
的样本数，Y
ij
(k)为状态E
i
经过k步转移到状态E
j
的数据个数，用P
ij
(k)表示k步转移概率，如下所示：则相应的k步状态转移概率矩阵P(k)表示为：S13、根据k步状态转移概率矩阵P(k)建立马尔科夫预测模型表示为：C(t)＝C(t
‑
k)
×
P(k)
ꢀꢀꢀꢀꢀ
(1)式中，C(t)表示未来k个月的航材需求量状态概率预测值，C(t
‑
k)表示时间t
‑
k阶段的航材需求量状态概率值；S2、基于马尔科夫预测模型，采用蒙特卡罗算法仿真随机模拟得到随机模拟航材需求量，并将随机模拟航材需求量与历史航材需求量对比，进行误差分析。2.根据权利要求1所述的战时航材需求预测方法，其特征在于，所述步骤S2中，采用蒙特卡罗算法仿真随机模拟得到随机模拟航材需求量并进行误差分析的...

【专利技术属性】
技术研发人员：郭峰，吴捷，谈秋宏，李琨，杨彦明，陈强，
申请(专利权)人：中国人民解放军海军航空大学青岛校区，
类型：发明
国别省市：