基于GM(1,1)-BP组合模型的车辆周转器材需求量预测

何　健，王　亮，张大鹏，文正中

(1.军事交通学院 研究生管理大队，天津 300161； 2.军事交通学院 军用车辆系，天津 300161)



基于GM(1,1)-BP组合模型的车辆周转器材需求量预测

何健1，王亮2，张大鹏2，文正中1

(1.军事交通学院 研究生管理大队，天津 300161； 2.军事交通学院 军用车辆系，天津 300161)

根据车辆周转器材需求量的历史数据特点，建立了GM(1,1)-BP组合模型。运用GM(1,1)模型，结合车辆周转器材需求量的历史数据对其进行预测，再针对预测中的残差运用BP神经网络进行适当修正。通过实例验证，此组合模型优化了车辆周转器材需求量的预测方法，弥补了单一预测模型的不足，提高了车辆周转器材需求量预测的准确性。

车辆周转器材；GM(1,1)模型；BP神经网络；需求预测

车辆周转器材中所涉及的器材品种繁多、对器材需求的影响因素十分复杂，这使得部队车辆周转器材需求量具有较大的时间波动性和随机波动性。车辆周转器材需求量与其影响因素既表现出线性关系又表现出非线性关系[1]，再加上单一的需求预测模型具有较大的局限性，因此，很难对其进行精确地预测。

本文重点研究的对象是车辆周转器材中的不可修复器材，该种器材需求量大，具有一定的历史数据；种类繁杂，关键性较低；受多项不可控因素影响，难以进行预测。针对该种器材需求的特性，提出了一种基于灰色模型(grey model,GM)和误差反传(back propagation,BP)神经网络组合模型对车辆周转器材的需求量进行预测的新方法。GM(1,1)模型需要的样本数据少并且对线性关系预测精度高，而BP神经网络具有良好的非线性动态特性和自适应能力，对其中的非线性关系能够准确地进行预测[2]。……