對APU的維修工作進行分析,提出APU維修成本的結(jié)構(gòu)組成,利用APU在翼性能參數(shù)與維修成本的映射關(guān)系確定預測參數(shù),在傳統(tǒng)灰色預測方法的基礎上融合BP神經(jīng)網(wǎng)絡,構(gòu)建了基于灰色神經(jīng)網(wǎng)絡的APU維修成本預測模型。以某航空公司APS3200型APU維修數(shù)據(jù)為樣本,運用MATLAB對影響參數(shù)進行關(guān)聯(lián)分析,并對所建立的模型進行擬合和驗證分析。該模型具有樣本少、訓練快、預測精度高等特點,實現(xiàn)了對APU維修成本的準確預測,可為航空公司年度APU維修預算制定、維修合同談判、經(jīng)濟性拆發(fā)等提供決策支持。 

【文章來源】：航空維修與工程. 2020年07期 第89-94頁

【文章頁數(shù)】：6 頁

【部分圖文】：

APU維修成本構(gòu)成圖

預測模型GNM(1,N）是對復雜的不確定性問題進行求解所建立的模型，將基于灰色理論提出的灰色微分方程映射到一個擴展的BP神經(jīng)網(wǎng)絡中，如圖2所示。之后，使用該神經(jīng)網(wǎng)絡進行訓練。當網(wǎng)絡收斂時，從訓練后的神經(jīng)網(wǎng)絡中提取相應的方程參數(shù)，進而將灰色微分方程轉(zhuǎn)換為白色微分方程，可以稱之為“灰—白化”的過程，利用此“白色”的微分方程實現(xiàn)對數(shù)據(jù)的預測估算。與單一神經(jīng)網(wǎng)絡模型相比，該模型計算量小、在樣本少的情況下可以達到較高精度，且與單一的灰色模型相比，預測精度高，誤差可控。

灰色神經(jīng)網(wǎng)絡預測模型結(jié)構(gòu)


本文編號：2896666