胡慧，宋传洲,2，高宇，王敏，赵小锋，万仁委

（1.海军航空大学，烟台 264000；2.烟台警备区，烟台 264000；3.深圳信息职业技术学院保卫处，深圳 518000）

引言

航材消耗预测研究是航材研究的重要内容之一，为后续的航材管理、订购、运输、维修保障，乃至新产品研发提供重要参考[1]。航材预测往往是在对航材进行分类或品种确定后，根据具体情况以类别或不同品种选择不同的算法构建预测模型，在以往的航材消耗预测研究中预测模型的成果比较丰富，可简单分为按照时间序列、依靠数据统计规律、机器学习算法等三类[2]的思路构建模型。

按照时间序列的研究方法有指数平滑预测模型[3]、ARMA预测模型[4]、移动平均预测模型、粗糙集理论[5]、Croston预测模型[6]、灰色系统预测模型[7]、Bootstrap法[8]等以及他们的改进算法。如果能够统计获得比较真实的故障数据或航材消耗数据，可运用统计学方法在研究航材的故障率、可靠性和寿命曲线规律的同时，对其进行需求预测。机器学习算法具有智能、灵活且运算效率高的特点，在解决时间序列和数理统计两类算法不足上有许多优势，常用的机器学习算法主要有SVM[9]、神经网络[10]、随机森林[11]、GBDT等及其改进算法。

此外，这些算法都可以组合起来进行预测，比如，王宁等[12]采用ARIMA-BP-CNN-LSTM组合方法进行预测，将ARIMA线性和BP的非线性拟合相结合，对备件的预测较好。李文强[13]等在对无人机的航材备件进行需求预测时，主要采用偏最小二乘回归，结合了PCA、相关性分析、多元线性回归等方法提取多种因素特征进行预测，结果准确率较高。……