简介：摘 要 航材消耗预测是航材管理的重要组成部分，它的水平的好坏直接影响着部队的军事经济效益，更是影响着部队战斗力的生成。本文根据部队年度消耗训练样本的实际情况，引入了AdaBoost算法和支持向量机，提出了一种基于AdaBoost算法的支持向量机回归方法，对航材消耗进行预测分析，分析表明它能够更好的解决小样本的训练学习的问题。
简介：摘 要 航材保障面临着库存积压、库存结构不合理等问题，严重影响了航材保障质量效益。其中原因之一，就是航材消耗规律把握不够准确，在一定程度上影响了航材订货决策的科学性。因此，本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型，并通过实例计算预测，验证所建立模型的准确度，对预测结果进行分析评价航材。
简介：摘 要 航材库存储备是航材保障的重要内容，航材库存管理长期依靠个人经验追求大库存囤积导致航材库存数量偏大，航材库存金额增大，影响了航材保障的经济效益。科学的进行航材储备数量研究有助于提高航材保障工作的军事性和经济性效益，在有限经费的条件下提高航材保障效能。本文引入GA-BP神经网络对航材库存数量进行预测，并通过实例验证了模型的有效性。
简介：摘 要 航材消耗预测是航材保障工作中重要环节，对航材消耗预测的准确性影响着航材订货等保障工作。提高航材消耗预测的准确性对提升航材保障效益，优化航材库存结构有重要意义。本文引入自适应遗传算法对航材消耗建模预测，通过实例验证了模型的有效性。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网 琼ICP备2021005105号
