李 浩, 王铁宁

(陆军装甲兵学院装备保障与再制造系, 北京 100072)

0 引 言

“统一筹措、逐级保障”是现行装甲装备器材保障的主要形式,器材调剂是满足临时性器材需求的途径,但受编制体制、器材保障机制等因素影响,器材调剂过程往往耗时过长,影响装备保障效益的实现,为有效平衡器材消耗费用和保障效益,应设计有效的器材需求预测方法、科学配置器材库存。

需求预测方法可进一步区分为解析法与仿真法,重点结合解析法确定需求,总结见诸报道的文献,解析法主要包括差分自回归移动平均模型(auto regressive integrated moving average model,ARIMA)、指数平滑法(single exponential smoothing,SES)、灰色模型(grey models, GM)以及神经网络等。ARIMA分析具有很强的线性建模能力,能够较好地实现非平稳数据建模过程中随机扰动因素的处理,具有较高的拟合和短期预测精度,已用于预测短期的水用量需求[1]、电动汽车充电点的电力需求[2]、装备器材需求[3]等方面;SES模型能够有效处理间断性需求或含有大量零值的样本数据,如舰艇备件需求的确定[4];作为典型的非线性预测技术,灰色预测GM模型有较强的趋势项模拟能力,能够较好地处理信息不完整、统计数据少的预测问题,以此为基础,文献[5]预测了小样本背景下地区的资金需求,文献[6-7]分别从不同方面优化改进了GM(1,1)模型,提高了煤炭需求、雷达备件需求预测的准确度;神经网络具有自学习、分布式存储信息和大规模并行高速寻优的特点,能够较好地处理黑箱问题,文献[8]构建了以Hopfield网络为主的资源需求预测模型,文献[9]构建了基于BP神经网络的器材需求预测模型。……