基于GRA-IPSO-SVM的航材携行需求预测研究

V267; 异地执行飞行任务中航材需求的准确预测是做好携行保障的主要内容之一,为此提出灰色关联分析(GRA)与改进粒子群优化(IPSO)算法及支持向量机(SVM)相结合的航材预测方法.首先运用GRA对航材携行需求的影响因素进行分析;其次引入活性因子和非线性惯性系数改进粒子群优化算法,并通过IPSO对SVM参数进行寻优;最后使用优化后的SVM模型预测航材需求.结果表明:基于GRA-IPSO-SVM的航材预测方法预测的均方根误差比基于PSO-SVM的预测方法下降0.16,平均绝对百分比误差下降2.18％,预测时间减少0.7 s....

Full description

Saved in:
Bibliographic Details
Published in航空工程进展 Vol. 13; no. 6; pp. 166 - 172
Main Authors 李黄琪, 蔡开龙, 郝明, 薛红阳, 濮志刚, 何森
Format Journal Article
LanguageChinese
Published 南昌航空大学 飞行器工程学院,南昌 330063%南昌航空大学 通航学院,南昌 330063%空军工程大学 航空机务士官学院,信阳 464000 01.12.2022
Subjects
支持向量机
灰色关联度
改进粒子群算法
需求预测
航材
Online AccessGet full text
ISSN1674-8190
DOI10.16615/j.cnki.1674-8190.2022.06.18

Cover

More Information
Summary:V267; 异地执行飞行任务中航材需求的准确预测是做好携行保障的主要内容之一,为此提出灰色关联分析(GRA)与改进粒子群优化(IPSO)算法及支持向量机(SVM)相结合的航材预测方法.首先运用GRA对航材携行需求的影响因素进行分析;其次引入活性因子和非线性惯性系数改进粒子群优化算法,并通过IPSO对SVM参数进行寻优;最后使用优化后的SVM模型预测航材需求.结果表明:基于GRA-IPSO-SVM的航材预测方法预测的均方根误差比基于PSO-SVM的预测方法下降0.16,平均绝对百分比误差下降2.18％,预测时间减少0.7 s.
ISSN:1674-8190
DOI:10.16615/j.cnki.1674-8190.2022.06.18