針對(duì)現(xiàn)有的預(yù)測(cè)方法參數(shù)較多、精確度不高的問(wèn)題,采用了時(shí)間序列挖掘的方法對(duì)合成旅未來(lái)一定時(shí)期內(nèi)的裝備維修保障能力進(jìn)行預(yù)測(cè)。首先建立了指標(biāo)體系,利用"裝備云"平臺(tái)相關(guān)數(shù)據(jù)對(duì)指標(biāo)及裝備維修保障能力隨時(shí)間變化的序列進(jìn)行計(jì)算;然后對(duì)多元時(shí)間序列進(jìn)行線段化擬合、聚類、符號(hào)化表達(dá)、Apriori關(guān)聯(lián)挖掘,通過(guò)差分整合移動(dòng)平均自回歸-支持向量回歸組合模型及反向傳播神經(jīng)網(wǎng)絡(luò)對(duì)合成旅裝備維修保障能力進(jìn)行預(yù)測(cè),最后通過(guò)事例驗(yàn)證了本文所提出的方法。 

【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2020,42(04)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
0 引言
1 合成旅裝備維修保障能力指標(biāo)體系建立及分析
2 時(shí)間序列關(guān)聯(lián)挖掘
    2.1 時(shí)間序列線段擬合
    2.2 時(shí)間序列符號(hào)化
        2.2.1 相似度計(jì)算
        2.2.2 時(shí)間序列線段模式聚類
        2.2.3 聚類的符號(hào)化表示
    2.3 多元時(shí)間序列關(guān)聯(lián)挖掘
        2.3.1 Apriori算法挖掘
        2.3.2 生成關(guān)聯(lián)規(guī)則
3 裝備維修保障能力預(yù)測(cè)
    3.1 強(qiáng)關(guān)聯(lián)指標(biāo)的預(yù)測(cè)
    3.2 裝備維修保障能力的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)
4 事例分析
    4.1 關(guān)聯(lián)規(guī)則挖掘
    4.2 強(qiáng)關(guān)聯(lián)規(guī)則預(yù)測(cè)
    4.3 合成旅裝備維修保障能力預(yù)測(cè)
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]多元時(shí)間序列相似性度量方法[J]. 李正欣,郭建勝,毛紅保,高楊軍.  控制與決策. 2017(02)
[2]基于Apriori算法的作戰(zhàn)仿真探索實(shí)驗(yàn)控制[J]. 王梟,劉雅奇,齊鋒.  系統(tǒng)工程與電子技術(shù). 2017(04)
[3]過(guò)程工業(yè)大數(shù)據(jù)建模研究展望[J]. 劉強(qiáng),秦泗釗.  自動(dòng)化學(xué)報(bào). 2016(02)

碩士論文
[1]時(shí)間序列數(shù)據(jù)特征選擇和預(yù)測(cè)方法研究[D]. 范劍鋒.南京大學(xué) 2016
[2]基于時(shí)間序列的頻繁模式挖掘研究與應(yīng)用[D]. 鄭邦祺.電子科技大學(xué) 2016
[3]多元時(shí)間序列關(guān)聯(lián)挖掘算法研究與應(yīng)用[D]. 徐昭邦.電子科技大學(xué) 2016



本文編號(hào)：3195664