基于时间序列挖掘的合成旅装备维修保障能力预测

发布时间：2021-05-19 11:04

　　针对现有的预测方法参数较多、精确度不高的问题,采用了时间序列挖掘的方法对合成旅未来一定时期内的装备维修保障能力进行预测。首先建立了指标体系,利用"装备云"平台相关数据对指标及装备维修保障能力随时间变化的序列进行计算;然后对多元时间序列进行线段化拟合、聚类、符号化表达、Apriori关联挖掘,通过差分整合移动平均自回归-支持向量回归组合模型及反向传播神经网络对合成旅装备维修保障能力进行预测,最后通过事例验证了本文所提出的方法。 

【文章来源】：系统工程与电子技术. 2020,42(04)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
0 引言
1 合成旅装备维修保障能力指标体系建立及分析
2 时间序列关联挖掘
    2.1 时间序列线段拟合
    2.2 时间序列符号化
        2.2.1 相似度计算
        2.2.2 时间序列线段模式聚类
        2.2.3 聚类的符号化表示
    2.3 多元时间序列关联挖掘
        2.3.1 Apriori算法挖掘
        2.3.2 生成关联规则
3 装备维修保障能力预测
    3.1 强关联指标的预测
    3.2 装备维修保障能力的BP神经网络预测
4 事例分析
    4.1 关联规则挖掘
    4.2 强关联规则预测
    4.3 合成旅装备维修保障能力预测
5 结论


【参考文献】：
期刊论文
[1]多元时间序列相似性度量方法[J]. 李正欣,郭建胜,毛红保,高杨军.  控制与决策. 2017(02)
[2]基于Apriori算法的作战仿真探索实验控制[J]. 王枭,刘雅奇,齐锋.  系统工程与电子技术. 2017(04)
[3]过程工业大数据建模研究展望[J]. 刘强,秦泗钊.  自动化学报. 2016(02)

硕士论文
[1]时间序列数据特征选择和预测方法研究[D]. 范剑锋.南京大学 2016
[2]基于时间序列的频繁模式挖掘研究与应用[D]. 郑邦祺.电子科技大学 2016
[3]多元时间序列关联挖掘算法研究与应用[D]. 徐昭邦.电子科技大学 2016



本文编号：3195664