改进非等间距GM（1,1）-BP模型的导弹退化状态预测

发布时间：2022-02-13 16:46

　　为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM（1,1）-BP模型的导弹退化状态预测方法。对传统非等间距GM（1,1）模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。 

【文章来源】：现代防御技术. 2019,47(03)

【文章页数】：9 页

【文章目录】：
0 引言
1 改进非等间距GM (1, 1) 模型的构建
    1.1 传统非等间距GM (1, 1) 模型的建立
    1.2 非等间距GM (1, 1) 模型的优化
        1.2.1 误差原因分析
        1.2.2 权值搜索的背景值优化
        1.2.3 初始条件优化
        1.2.4 新陈代谢预测
2 改进非等间距GM (1, 1) -BP模型的构建
    2.1 BP神经网络结构及算法
    2.2 改进非等间距GM (1, 1) -BP预测模型
3 预测实例及分析
4 结束语


【参考文献】：
期刊论文
[1]运用BP神经网络的雷达模拟训练考核评估方法[J]. 贺照辉,申正义,许诚.  现代防御技术. 2017(01)
[2]基于灰色聚类理论的非合作目标交会效能评估[J]. 化金,朱学昌,王立旭.  现代防御技术. 2016(06)
[3]灰色GM（1,1）模型优化研究进展综述[J]. 许泽东,柳福祥.  计算机科学. 2016(S2)
[4]基于背景值与初始条件优化的非等间距GM（1,1）模型[J]. 胡大红.  湖北文理学院学报. 2016(11)
[5]非等间距GM（1,1）模型背景值优化方法在沉降预测中应用[J]. 李勇,栾元重,张善廷.  北京测绘. 2016(05)
[6]基于多子代遗传算法优化BP神经网络[J]. 付晓明,王福林,尚家杰.  计算机仿真. 2016(03)
[7]基于UGM-ULSSVM的导弹制导控制系统状态预测方法[J]. 徐廷学,丛林虎,董琪.  上海交通大学学报. 2015(12)
[8]基于初始条件优化的一种非等间距GM（1,1）建模方法[J]. 熊萍萍,党耀国,姚天祥.  控制与决策. 2015(11)
[9]基于灰色马尔科夫模型的波动性交通流量预测[J]. 孔垂猛,韩印.  森林工程. 2015(01)
[10]基于分数阶累加的离散灰色模型[J]. 吴利丰,刘思峰,姚立根.  系统工程理论与实践. 2014(07)



本文编号：3623553