谢 浩 万振刚

1 引言

由于设备维修时间受到运行状态、运行年限、工作环境等多种因素的影响，简单的灰色预测模型已经不能准确地描述设备维修的时间序列规律。为了得到更准确的预测模型，人们把灰色模型与其他模型结合形成新的方法，如：张俊深等提出了基于BP神经网络与修正灰色预测模型［1］，并运用于能源消耗预测，但该模型对数据量的要求较高，往往需要多指标因素集，训练时间较长；陈华友等提出了基于灰色关联度的组合预测模型［2］，但该模型建模过程比较复杂，多应用于数据存在一定冗余的场合；候丽敏等提出了基于灰色线性回归组合模型［3］，并运用于铁路客运量预测，但该模型并没有从本质上解决求解参数最优解的缺陷。

本文首先采用混沌粒子群算法优化灰色模型参数，然后结合适用于短期预测的线性回归方法，推导得到可以补偿灰色预测模型误差的设备维修时间预测模型，同时利用船用柴油机汽缸活塞间隙历史数据进行了仿真模拟，其预测结果比以往简单的灰色预测模型预测精度有较大的提高。

2 设备维修时间灰色预测模型

灰色预测模型是一种纯指数模型，其优点就是建模过程中对数据的要求量少，计算简单，短期预测有较高的拟合精度，运用领域广等，以上优点符合设备维修时间贫信息短期预测的要求。基于灰色预测模型的优点，刘爱华运用简单的灰色预测模型对船舶柴油机维修时间进行预测［4］。……