用組合模型預測備件消耗量

魏東濤，張軍凱，朱倩，劉玉超，羅廣旭

（空軍勤務學院，江蘇徐州221000）

用組合模型預測備件消耗量

魏東濤，張軍凱，朱倩，劉玉超，羅廣旭

（空軍勤務學院，江蘇徐州221000）

科學預測備件消耗是有效實施備件保障各項工作的基礎。結合指數(shù)平滑法及灰色模型的特點，建立組合模型，解決了小樣本條件下備件的消耗預測問題。實例分析表明，組合模型比單項模型具有更高的預測精度。

組合模型，指數(shù)平滑法，灰色模型，備件消耗

0　引言

備件消耗［1］是指在一定時間內、一定條件下，一定數(shù)量裝備，使裝備保持規(guī)定狀態(tài)所使用的備件的品種和數(shù)量。備件的籌措、儲存、供應和管理等各個環(huán)節(jié)都離不開對備件消耗情況的準確把握。只有掌握了備件的消耗規(guī)律，才能夠制訂合理備件保障計劃，提高備件保障工作的科學性。目前在備件消耗預測實際工作中，由于各種不同原因，往往缺乏充足的歷史數(shù)據(jù)，只能獲取備件消耗小樣本數(shù)據(jù)。針對小樣本數(shù)據(jù)，一般統(tǒng)計方法難以取得較好的預測效果。本文為了規(guī)避單一模型的局限性，并綜合利用各種方法提供的信息，從而提高備件消耗預測的精度，提出了基于指數(shù)平滑法和灰色模型和組合預測方法，可以在小樣本條件下對備件消耗量進行預計。

1　模型建立

1.1指數(shù)平滑法

指數(shù)平滑法［2-4］主要包括一次平滑法、二次平滑法和三次平滑法。當時間序列比較穩(wěn)定，并呈現(xiàn)水平趨勢的變化時，可使用一次平滑法進行描述；當時間序列呈現(xiàn)線性趨勢的變化時，可使用二次平滑法進行描述；當時間序列呈現(xiàn)非線性變化趨勢時，可使用三次平滑法進行描述。

1.2灰色模型

灰色模型［5-6］的適用范圍是備件消耗數(shù)據(jù)近似為指數(shù)曲線變化規(guī)律。根據(jù)收集到的備件消耗數(shù)據(jù)，構造時間序列

進行累加后，得到新的時間序列

灰色模型的相對誤差、均方差比值、小誤差概率等幾項精度指標的參考值，如表1所示。

表1　灰色模型的指標精度檢驗等級

當檢驗等級為2級以上時，可直接運用該模型進行預測；當檢驗等級低于2級時，需要先對模型進行改進［8-9］，待檢驗等級合格以后再對備件消耗進行預測。

1.3組合模型

將指數(shù)平滑法與灰色模型進行組合后，得到組合預測模型為

w1、w2為權重系數(shù)，ft1、ft2和分別表示運用指數(shù)平滑法、灰色模型和組合模型的預測值。假定預測誤差在某一固定值上下浮動，那么可以用常數(shù)a來表示，故，。實際上a是各單項模型的預測誤差進行加權平均后的數(shù)值。

2　應用分析

已知2009年～2013年某修理機構維修某型裝備消耗某種備件的數(shù)量，見表2。假設該型裝備的數(shù)量保持不變，預測2014年裝備產生的備件消耗量。

表2　2009年～2013年某種備件消耗量

（1）通過表2可以看出，備件消耗數(shù)據(jù)圍繞某一固定值作隨機變化，可采用一次指數(shù)平滑法進行預測。平滑系數(shù)α的值決定模型的預測結果，經驗證，當α=0.3時，平均相對誤差較小。因此，備件消耗預測模型為

作累減還原后，得到原始序列x（0）的模擬值為x?（0）（1）=98，x?（0）（2）=101，x?（0）（3）=102，x?（0）（4）=103，x?（0）（5）=104。故灰色模型GM（1，1）的平均相對誤差Δ=0.007 8＜0.01，方差比C=0.468 1＜0.5，小概率誤差p=0.8，可知模型精度為二級，可對下一年裝備產生的備件消耗進行預測。

（3）將指數(shù)平滑法與灰色模型進行組合，得到指數(shù)平滑法預測值權重系數(shù)w1=-0.07，灰色模型權重系數(shù)w2=1.07，a=-0.03。各種預測模型的對比分析結果，如表3所示。

表3　各種預測模型的綜合對比

從表3中可以看出，組合模型的均方根誤差最低。因此，本文應用組合模型預測下一年的備件消耗，能夠取得較高的預測精度。經組合預測，得到2014年該種備件消耗量為106。

3　結論

綜合運用指數(shù)平滑模型和灰色模型的有用信息，取長補短，建立了合理的組合預測模型，應用于備件的短期消耗預測，有效地提高了模型的預測精度。本文提出的組合預測方法，可推廣應用于備件的長期消耗預測，針對不同的數(shù)據(jù)種類，可以使用不同的單項預測模型進行組合。同時，也為解決其他相關領域的預測問題提供了理論依據(jù)。

［1］高崎.軍械維修器材管理學［M］.北京：國防工業(yè)出版社，2012.

［2］潘紅宇.時間序列分析［M］.北京：對外經濟貿易大學出版社，2005.

［3］何滿喜.時間序列趨勢預測的三步滾動模型［J］.統(tǒng)計與決策，2007，23（5）：132-133.

［4］奇馳.自適應單指數(shù)平滑法在短期交通流預測中的應用［J］.控制理論與應用，2012，29（4）：465-469.

［5］鄧聚龍.灰預測與灰決策［M］.武漢：華中科技大學出版社，2002.

［6］石培基，胡科.等維灰數(shù)遞補模型在人口預測中的應用［J］.統(tǒng)計與決策，2008，24（6）：12-14.

［7］許馨苓.灰色動態(tài)模型及其在我國專業(yè)技術人才預測上的應用［J］.科技管理研究，2010，30（11）：192-194.

［8］徐進軍，王海成.灰色預測模型若干改進方法［J］.測繪信息與工程，2011，36（4）：2-3.

［9］趙平，劉寶平，黃棟.一種用于裝備維修器材消耗預測的灰色殘差修正模型［J］.四川兵工學報，2014，35（5）：62-65.

A Combined M odel to Prediction Spare PartsConsum ption

WEIDong-tao，ZHANG Jun-kai，ZHUQian，LIUYu-chao，LUOGuang-xu
（Air Force Logistics College，Xuzhou 221000，China）

Spare parts consumption prediction lays a foundation for spare parts support.This paper combines the exponential smoothingmethod with a grey model，and establishes a combinationalmodel. The combinational model solves the problem of spare parts consumption prediction.The example indicates that the combinationalmodel ismuchmore accurate than a singlemodel.

combinationalmodel，exponentialsmoothingmethod，greymodel，sparepartsconsumption

E075

A

1002-0640（2016）09-0170-03

2015-07-05

2015-08-07

魏東濤（1985-），男，甘肅西峰人，碩士。研究方向：軍事裝備學。