基于灰色神经网络的APU维修成本预测研究

发布时间：2020-12-03 23:54

　　对APU的维修工作进行分析,提出APU维修成本的结构组成,利用APU在翼性能参数与维修成本的映射关系确定预测参数,在传统灰色预测方法的基础上融合BP神经网络,构建了基于灰色神经网络的APU维修成本预测模型。以某航空公司APS3200型APU维修数据为样本,运用MATLAB对影响参数进行关联分析,并对所建立的模型进行拟合和验证分析。该模型具有样本少、训练快、预测精度高等特点,实现了对APU维修成本的准确预测,可为航空公司年度APU维修预算制定、维修合同谈判、经济性拆发等提供决策支持。 

【文章来源】：航空维修与工程. 2020年07期 第89-94页

【文章页数】：6 页

【部分图文】：

APU维修成本构成图

预测模型GNM(1,N）是对复杂的不确定性问题进行求解所建立的模型，将基于灰色理论提出的灰色微分方程映射到一个扩展的BP神经网络中，如图2所示。之后，使用该神经网络进行训练。当网络收敛时，从训练后的神经网络中提取相应的方程参数，进而将灰色微分方程转换为白色微分方程，可以称之为“灰—白化”的过程，利用此“白色”的微分方程实现对数据的预测估算。与单一神经网络模型相比，该模型计算量小、在样本少的情况下可以达到较高精度，且与单一的灰色模型相比，预测精度高，误差可控。

灰色神经网络预测模型结构


本文编号：2896666