作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型(ARMA)进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。
推荐文章
基于组合预测模型的我国天然气需求预测
多项式趋势面分析
GM(1,1)灰色预测
复回归分析
组合预测模型
基于改进BP神经网络的天然气需求预测
BP神经网络
附加动量法
天然气需求
预测
基于蚁群算法优化BP神经网络的政务云网络态势预测研究
政务云
主动防御
BP神经网络
蚁群算法
态势预测
预测精度
SVM的物流需求预测模型
物流管理
随机性变化特点
ARIMA?SVM
权值的确定
预测模型
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于蚁群改进BP算法的组合预测模型在军械器材需求预测中的应用
来源期刊 海军航空工程学院学报 学科 军事
关键词 军械器材 需求预测 蚁群改进BP算法 组合预测模型
年,卷(期) 2013,(3) 所属期刊栏目
研究方向 页码范围 319-323
页数 5页 分类号 E911
字数 3732字 语种 中文
DOI 10.7682/j.issn.1673-1522.2013.03.022
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (22)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
军械器材
需求预测
蚁群改进BP算法
组合预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
海军航空工程学院学报
双月刊
1673-1522
37-1311/V
大16开
山东省烟台市二马路188号
1984
chi
出版文献量(篇)
2843
总下载数(次)
7
总被引数(次)
9538
论文1v1指导