周一鳴+王茜+楊碩

摘 要：研究并掌握航空彈藥維修器材的消耗規(guī)律，對做好航空彈藥器材的保障工作有著重要的意義。基于此，研究了動態(tài)灰色模型，并成功將其應(yīng)用于某型航空彈藥維修器材的消耗預(yù)測。實踐及理論證明，動態(tài)灰色預(yù)測模型由于實時加入系統(tǒng)的最新數(shù)據(jù)，提高灰區(qū)間的白度，預(yù)測精度比傳統(tǒng)灰色模型高，表明動態(tài)灰色模型理論正確，精度合格，能夠滿足實際應(yīng)用要求。MATLAB作為輔助工具，使得預(yù)測變得簡便易行，大大節(jié)省了工作量。

關(guān)鍵詞：航空彈藥維修器材；消耗規(guī)律；動態(tài)灰色模型；MATLAB

中圖分類號：E241 文獻標識碼：A

Abstract： Researching and mastering the rule of aviation ammunition spares is meaningful for conducting the logistics support work of aviation ammunition spares. Based on this， dynamic gray forecast model is researched and successfully applied to consumption forecast of some aviation ammunition spares. Practice and theory prove that the prediction accuracy of dynamic gray forecast model is higher than that of typical gray model because upgraded data are real-timely added into the system to promote the whiteness of gray region. It indicates that the theory of dynamic gray forecast model correct， its precision is qualified and can meet the need of practical application. MATLAB is used as the assistant tool which makes the prediction more easier and reduces lots of workload.

Key works： aviation ammunition spares； consumption rule； dynamic gray forecast model； MATLAB

0 引 言

航空彈藥維修器材是航空彈藥及其保障裝備所需的元器件、零件、組件或部件等的統(tǒng)稱，是部隊“兩成兩力”（成建制、成系統(tǒng)形成作戰(zhàn)能力和保障能力）建設(shè)的物質(zhì)基礎(chǔ)，是保障裝備處于良好技術(shù)狀態(tài)，提高裝備再生能力的有效保證，對裝備平時、戰(zhàn)時保障都有深遠影響?，F(xiàn)代戰(zhàn)爭具有爆發(fā)時間短、對抗強度大、破壞性強等突出特點，器材消耗量日益劇增，品種日趨復(fù)雜，從經(jīng)典的戰(zhàn)例可以看出戰(zhàn)爭對維修器材表現(xiàn)出前所未有的依賴性。掌握并遵循航空彈藥維修器材消耗規(guī)律，從而精確、及時、高效完成航空彈藥維修器材保障工作，實現(xiàn)武器裝備“戰(zhàn)力再生”，保持和恢復(fù)部隊?wèi)?zhàn)斗力，成為取得戰(zhàn)爭勝利的關(guān)鍵因素[1]。

1 動態(tài)灰色理論模型

灰色系統(tǒng)理論是我國學(xué)者鄧聚龍教授1982年在國際上首先提出來的，為未來學(xué)研究提供了新的基本理論和基本方法。它是控制論的觀點和方法延伸到社會、經(jīng)濟的產(chǎn)物，也是自動控制科學(xué)與運籌學(xué)的數(shù)學(xué)方法相結(jié)合的結(jié)果。灰色系統(tǒng)擬合與預(yù)測的信息特性是灰色殘差信息的開發(fā)與利用[2]?；疑到y(tǒng)分析特別還適用于統(tǒng)計信息量少，其他方法無法進行分析的問題?；疑到y(tǒng)理論對數(shù)據(jù)的處理通常采用累加或累減生成方法，使無序數(shù)據(jù)列轉(zhuǎn)化為有序數(shù)據(jù)列，使生成數(shù)據(jù)列適宜微分方程建模。這種使系統(tǒng)信息由不確知到確知，由知之不多到知之甚多的過程，就是通常所說的使系統(tǒng)由“灰”變“白”。

1.1 灰色GM1，1模型的建立

灰色GM1，1預(yù)測模型定義如圖1所示。

這種方法不需要很多樣本數(shù)據(jù)，只須知道連續(xù)幾年的消耗情況，對預(yù)測結(jié)果可做精度驗證。

1.2 動態(tài)灰色模型的建立

應(yīng)用傳統(tǒng)的GM1，1灰色理論建立模型之后，模型參數(shù)a與b一經(jīng)算出就固定了，不會再隨計算數(shù)值而改變。隨著模型更新和發(fā)展，需要持續(xù)地增加新數(shù)據(jù)并同時篩除老舊數(shù)據(jù)，形成一個新陳代謝的過程，使得模型序列能夠準確地表征模型當(dāng)前狀態(tài)。傳統(tǒng)灰色預(yù)測模型的改進方法很多，在此，引入動態(tài)灰色模型的概念，對傳統(tǒng)GM1，1模型進行改進[4]。

灰色新陳代謝GM1，1模型的預(yù)測步驟為：

（4）輸出預(yù)測結(jié)果。

2 應(yīng)用實例分析

經(jīng)調(diào)研，搜集到某型航空彈藥的某種維修器材2006年至2015年的消耗量統(tǒng)計數(shù)據(jù)如表1所示，運用灰色預(yù)測法預(yù)測該備件的消耗量。

（1）利用GM1，1計算預(yù)測值并與實際值進行比較。

根據(jù)10年的統(tǒng)計數(shù)據(jù)，構(gòu)建原始序列：

對原始序列進行數(shù)據(jù)累加生成，得：

通過MATLAB繪制出累加序列的曲線圖，如圖2所示。

根據(jù)式（5）求出累加以后的值，并對其進行累減還原得到預(yù)測值。實際值與預(yù)測值的對比如表2所示。

從表2可以看出傳統(tǒng)的GM1，1模型，對于短期的器材消耗，能夠較好地反映消耗的趨勢。但是隨著時間序列的加長，消耗數(shù)據(jù)的不斷增多，傳統(tǒng)模型受干擾成分變大，不穩(wěn)定因素影響變大，數(shù)據(jù)開始發(fā)散。此時模型已經(jīng)不能很好地反映航空彈藥維修器材的消耗趨勢，需要實時地對模型進行改正。

（2）利用動態(tài)灰色模型計算預(yù)測值并與實際值進行比較。

GM1，1模型以10年所有的消耗數(shù)據(jù)為基礎(chǔ)建立灰色模型，現(xiàn)以5維數(shù)據(jù)為基礎(chǔ)，建立動態(tài)灰色模型。根據(jù)建模思想，將前5期數(shù)據(jù)進行建模，預(yù)測第6期數(shù)據(jù)，然后將其替換第1期數(shù)據(jù)，再次建模，預(yù)測下一期，以此類推。

通過動態(tài)灰色模型得到的預(yù)測值與實際值的對比如表3所示。

由表3可以很明顯地看出，通過引入新的信息，替代時間間隔較長的數(shù)據(jù)序列，模型的精度得到了明顯的提高，預(yù)測值更為接近真實的消耗情況。通過圖3可以看出，改進后模型的預(yù)測值起伏變小，且消耗趨勢與觀測值更為接近。

3 模型檢驗

要對灰色模型進行檢驗，主要是進行后驗差檢驗，檢驗指標有后驗算方差比值C和小誤差概率p。

評定一個預(yù)測模型的好壞，C值越小越好，一般要求C小于0.35，最大不超過0.65。預(yù)測模型精度評定的另一個指標為小誤差概率p，p值越大越好，一般要求p大于0.95，不得小于0.7[5]。參照p與C的大小，可將精度分為4個根據(jù)MATLAB運行結(jié)果，P=1，C=0.1466，預(yù)測精度為1級，因此可以看出動態(tài)灰色模型在航空彈藥維修器材消耗預(yù)測上具有較高的精度。

4 結(jié)束語

傳統(tǒng)的GM1，1模型具有建?！吧傩畔?、規(guī)律性強”的優(yōu)點，但預(yù)測精度隨預(yù)測步長增加而降低。這是因為對一個系統(tǒng)來說，隨時間的推移，未來的一些擾動因素將不斷進入系統(tǒng)而對其施加影響，用之進行長期預(yù)測必然會產(chǎn)生較大的偏差。而且信息逐漸老化，不能真實反映系統(tǒng)目前狀態(tài)，所以建立模型時需要進行信息的新陳代謝。動態(tài)灰色系統(tǒng)實時地加入新的信息，淘汰舊的信息，不僅可以突出系統(tǒng)最新的變化趨勢，而且可以消除預(yù)測模型的噪聲污染，對預(yù)測精度的提高也具有較好的作用。

本文將動態(tài)灰色模型應(yīng)用于航空彈藥維修器材消耗規(guī)律的預(yù)測，實現(xiàn)結(jié)果分析與理論分析基本吻合，表明動態(tài)灰色模型理論正確，精度合格，能夠滿足實際器材消耗規(guī)律的應(yīng)用。

參考文獻：

[1] 任敏，陳全慶，沈震，等. 備件供應(yīng)學(xué)[M]. 北京：國防工業(yè)出版社，2013.

[2] 鄧聚龍. 灰預(yù)測與灰決策[M]. 武漢：華中科技大學(xué)出版社，2002.

[3] Avinash Samvedi， Vipul Jain. A grey approach for forecasting in a supply chain during intermittent disruptions[J]. Engineering Applications of Artificial Intelligence， 2013，26：1044-1051.

[4] 何海. 灰色動態(tài)建模技術(shù)與應(yīng)用[D]. 武漢：華中科技大學(xué)（碩士學(xué)位論文），2004.

[5] 徐廷學(xué). 基于灰色預(yù)測法的軍械維修器材消耗規(guī)律[J]. 火力與指揮控制，2011，36（11）：163-167.