特种设备维修器材中心逼近式灰色预测建模研究摘要：为提高特种设备维修器材消耗预测精度，构建中心逼近式灰色GM（1，1）预测模型，改善传统灰色GM（1，1）模型对特种设备维修器材中呈指数型消耗数据预测精度低甚至不适用的情况。通过计算对比，对某特种设备2016年维修器材消耗量的初步预测值进行了修正调整，并最终确定消耗预计值。Abstract：Inordertoimprovethepredictionaccuracyofspecialequipmentmaintenanceequipment，thispaperbuildscenterapproachgreyGM（1，1）predictionmodel，whichcanimprovethesituationthatdatapredictionaccuracyisloworevennotapplicableintheexponentialconsumptionforspecialequipmentmaintenanceequipmentusedthetraditionalgrayGM（1，1）model.Throughthecalculationandcomparison，itrevisedandadjustedthepreliminaryforecastoftheconsumptionofaspecialequipmentmaintenanceequipmentin2016，andfinallydeterminedtheexpectedvalue.关键词：特种设备；维修器材；中心逼近式灰色预测GM（1，1）模型；预计值Keywords：specialequipment；maintenanceequipment；GM（1，1）modelbasedoncenterapproximation；expectedvalue中图分类号：N941.5文献标识码：A文章编号：1006-4311（2016）16-0212-020引言维修器材消耗是维修保障部门制定年度订货计划的前提和基础，提高维修器材预测精度可在一定程度上减少维修器材的库存量，提高经费使用的效率。特种设备种类多，单种设备数量较少，其维修器材消耗有关统计数据和信息相对较少，某些设备仅能得到近几年的消耗数据，且特种设备使用寿命有限，在较短时期内以少量的样本服从某种典型分布实现建模几乎不可能，为此，本文选用灰色系统理论建立维修器材灰色预测模型，可依据信息覆盖，通过序列生成寻求现实规律，在解决“小样本、贫信息不确定”该类问题上有很大优势。[1，2]1中心逼近式灰色预测模型灰色预测模型通过累加、累减或级比生成技术，建立统一的微分方程模型，经累减还原后得出预测结果，微分方程模型比代数模型、离散模型具有更高的光滑度，可获得更高的预测精度。如图1是本文构建的特种设备维修器材中心逼近式灰色预测模型流程图。[3]设实际监测数据序列X（0）为：2实例应用本文采集某特种设备2010年到2015年维修器材的实际消耗数据，如表1所示，用以验证本文所构建的中心逼近式灰色预测模型的预测精度，并对2016年维修器材消耗量进行预测。根据市场预期，通过预计2016年任务的总量及类别，相关领导及业务专家初步预测该特种设备维修器材2016年的消耗量为38，以初步预测值38为基准，分别运用传统的灰色GM（1，1）模型和中心逼近式灰色GM（1，1）模型对2016年维修器材消耗量进行预测计算，进而对初步预测值进行修正调整。中心逼近式灰色GM（1，1）模型中参数m的取值可进行调整，通过对比各模型的平均相对误差，采用平均相对误差最小，即预测精度最高的预测结果作为2016年维修器材消耗量的预测修正值。按照本文所构建的中心逼近式灰色预测模型流程计算，得到相应计算结果，如表2所示。根据表2的预测结果可知，中心逼近式灰色GM（1，1）模型的预测值明显比传统灰色GM（1，1）模型的预测值更接近实际值。中心逼近式灰色GM（1，1）模型随着m的增加平均相对误差随之减小，且平均相对误差较传统灰色GM（1，1）模型明显减小，当m=5时，中心逼近式灰色GM（1，1）模型比传统灰色GM（1，1）模型的预测精度提高了6.45%。为了更好的检验传统灰色GM（1，1）模型与中心逼近式灰色GM（1，1）模型的预测精度，本文绘制了维修器材实际消耗及预测值曲线，如图2所示。从实际消耗和预测曲线图中可以看出，传统灰色预测值存在明显的滞后，而中心逼近式灰色模型较好地拟合了预测时间序列的变化趋势。综上所述，取m=5时中心逼近式灰色GM（1，1）模型的预测值36.6为初步预测值的修正值，考虑到2016年市场可能走低的趋势，相应维修器材消耗量趋于减少，做取整处理，最终确定2016的某特种设备维修器材消耗量预计值为36。3结论中心逼近式灰色预测可根据少量的历史数据，精度较高地测算维修器材的消耗，有利于维修保障...