张敦成

摘要：为了提高预测精度，笔者对组合预测模型进行研究，在阅读相关文献的基础上，总结现有组合预测模型的方法，对航材需求预测提供参考。

单一方法对航材消耗规律预测存在各种各样的缺点，有专家提出结合各类模型的有点，建立组合预测模型，将统计方法和机器学习方法相结合，提出基于ARIMA-BP-CNN的备件需求预测模型，对各项预测结果进行加权，并用遗传算法进行优化，提出了一种基于组合算法的备件需求预测模型。张老师等基于航材消耗数据不平稳，波动性强的特点，引入正态分布的白噪声，采用EEMD对不稳定的数据进行分解，将其划分为稳定的周期性强的若干区间，然后结合SVM对小样本数据进行预测，提出了一种小样本航材的消耗预测方法。周老师针对GM（1，1）模型对随机变化数据预测精度不够的情况，将GM（1，1）模型的预测序列和实际序列进行比较，得到相对序列差，以此来划分各个状态，计算原始序列在各状态的概率得到状态转移矩阵，结合马尔可夫模型对器材消耗进行预测。冉专家考虑航材消耗数据的不等间隔性，利用NEGM（1，1）模型把不等间隔序列变为等间隔序列，然后剔除序列中的随机波动项，得到零均值平稳序列，采用AIC准则确定p，q的取值，应用ARMA（p，q）模型对备件消耗进行预测，提供了一种科学的备件消耗预测方法。分别用NEGM（1，1）模型和BP神经网络对备件需求进行预测，提出一种广义加权比例平均组合模型，将两种方法加权融合，通过实例分析，验证了模型的有效性。……