基于灰色预测模型的武警车辆管理应用研究论文

基于灰色预测模型的武警车辆管理应用研究

王申强，崔晓萍^*，高瑞，尉永信

（中国人民武装警察部队工程大学装备管理与保障学院，陕西西安 710086）

摘要：应用灰色理论建立GM（1，1）模型，对某单位投送任务趋势进行预测，运用后验差检验，说明模型具有较高的准确性。模型的建立能够用于研究武警车辆行驶里程的预测，并为各级车管部门提高管理效率提供基础数据支撑。

关键词：武警车辆管理；灰色预测；应用研究

1 引言

车辆装备是武警部队投送任务的坚强依托^[1]，是组织实施运输保障的主要工具，是确保执勤处突、快速机动的根本保证。近年来, 车辆安全管理工作始终作为武警部队经常性管理工作重点内容。本文基于灰色系统理论，在梳理某单位行车里程数据的基础上，建立GM(1,1)预测模型，对投送趋任务势进行预测，为各级车管部门提供参考依据，从而提高部队车辆管理效益。

2 灰色系统理论

灰色系统是指^[2]“部分信息已知，部分信息未知”的“小样本”，“贫信息”的不确定性系统，通过对部分“已知”信息的生成、开发去了解认识现实世界，实现对系统进行行为和演化规律的正确描述和把握。灰色预测是以灰色模型为基础，在诸多灰色模型中，以单序列一阶线性微分方程模型GM(1,1)模型最为常用。

采取委托管理、连锁运营的方式，通过专业化服务、科学化管理，做好总分馆日常管理运行。建立合格主体单位目录库，采用政府购买服务方式，引入合格的第三方主体参与公共图书馆服务，建立诚信反馈、服务评估、优胜劣汰等机制，切实加强基层服务管理水平，提升标准化居村综合文化活动室（中心）终端服务质量。

2.1 GM(1,1)模型^[3]

设有非负原始数据列，其中n 为数据个数。如果根据X⁽⁰⁾数据列建立GM(1,1)模型来实现预测的功能，则基本步骤如下：

（1）原始数据累加以便弱化随机序列的波动性和随机性，得到新数据序列：

本项目在风雨连廊中，为适应南方的气候，采用大量预制装配式混凝土外挂遮阳板。采用立面预制构造可以尽量避免施工现场的湿作业，加快施工进度，同时为建筑造型增添了韵律感。

其中，X⁽¹⁾中各数据表示对前几项数据的累加：

开花后12～15天，豆荚色绿柔软，尚未木质化，是采收嫩荚的适宜时期。此时生长迅速、纤维少，切忌采摘过迟，造成纤维增加，荚壁粗硬，品质变劣，不能食用。一般3～5天采收1次。开花至结荚40～50天，豆荚变褐色，基本干枯，应及时采摘老荚。采收过迟，则豆荚自然开裂。采后摊晒脱粒，晾干贮藏。

（2）对数列X⁽¹⁾建立一阶线性微分方程：

其中，a,u 为待定系数，分别称为发展系数和作用量，a的有效区间是(-2,2)，并记a,u 构成的矩阵为，只要求出a,u，就能求出X⁽¹⁾(t)，进而求出X⁽⁰⁾的未来预测值。相关研究表明^[2]，当-a＜0.3 时，灰色预测可用于中长期预测；当0.3＜-a≤0.5 时，灰色预测模型可用于短期预测，中长期预测慎用；0.5＜-a≤0.8 时，短期预测也应慎重选用；当0.8＜-a 时，不宜采用灰色预测模型进行预测。

⑥灰色模型检验如表1 所列：

为满足武警部队现代化建设要求，各种性能先进、功能强大的车辆陆续投入使用。车辆的安全管理已成为部队日常管理的一件大事，各级领导对此十分重视，采取各种措施减少车辆事故的发生。

（4）用最小二乘法求解灰参数，则：

（5）将灰参代入，并对其求解，得：

由于通过最小二乘法求出的近似值，所以为原序列x⁽¹⁾(t+1)的近似表达式。

从提起公诉到审理完结，只用了仅仅4天时间，李凌正是这“4天奇迹”的缔造者。为了将这起简单刑事案件又快又好地审理完结，李凌主动出击，从被告人的基本情况入手。李凌多次联系将邹某逮捕的娄星区公安局的办案人员，通过查卷宗以及询问办案人员的方式，最后发现被告人邹某曾有过前科。在掌握了这些情况的条件下，李凌认为该案可以依法适用简单程序，实行独任审判。

③求e⁽⁰⁾(t)的平均值及残差的方差s₂；

某部运输中队作风扎实，培养了一批梯次合理、业务过硬的驾驶员。该中队是连续五年的先进中队，日常管理严格正规，行驶数据登统计详细规范，选取该部作为研究灰色预测理论的样本，具有示范意义。

①计算x⁽⁰⁾(t)与之间的残差e⁽⁰⁾(t)和相对误差q(x)：

②求原始数据x⁽⁰⁾(t)的均值以及方差s₁；

（6）对函数表达式及进行离散，将二者作差还原X⁽⁰⁾序列，得近似数据序列如下：

④计算方差比；

⑤求小误差概率P=p{|e(t)|＜0.6745s₁}；

采用模糊综合评价法[6]进行水资源承载能力的评价，采用层次分析法[1]和熵权法对各指标确定权重。根据山塘水资源的利用特点，考虑到水资源的供需平衡状况及开发潜力，同时也能够反映出山塘的等供水设施的现状以及社会经济情况等，选取以下指标：

表1 灰色模型等级检验对照表^[4]

⑦运用模型进行预测：

3 基于GM(1,1)模型的实例验证

3.1 武警部队车辆管理现状

（3）对累加生成数据做均值生成B 与常数向量Yn，即：

（7）对建立的灰色模型进行后验差检验，步骤如下：

3.2 基于武警某部行驶数据的实例验证

灰色模型对样本数量的要求较低，仅需四个数据就可以建立模型。本文选取2010～2016 年车辆行驶总里程数建模，并用运用MATLAB 运算结果进行对比验证，对2010-2010年行驶里程进行测算，数据如表2 所示；预测趋势见图1；模型检验各项指标见表3。

表2 某运输中队2010-2020 年行驶记录值、预测值、残差、标准差

表3 模型检验数据表

结合灰色模型等级检验对照表，由表3 可知，本次预测等级为“好”，能够较好地实现对该中队未来行驶里程趋势进行预测。

4 结论

（1）通过验证，原始数据和预测数据拟合性较好，相对误差小，预测精度高。

（2）由图1 可知，随着部队实战化要求不断增强，各种演练、训练活动压茬跟进，投送量呈逐年递增趋势，各级车管部门面临着前所未有的压力，“保胜利、保安全”的要求是摆在各级面前一道严峻课题。

据介绍，种植之前技术员为种植户提供测土服务，以土壤检测数据为依据，制定种植的底肥方案和追肥方案，底肥采用二铵或者复合肥。“今年也大面积示范不施底肥，全程追施液体肥。追肥采用配肥站提供的液体配方肥。液体配肥站采用工厂生产好的高浓缩的大量元素水溶肥、中量元素水溶肥、微量元素水溶肥为原料，根据不同作物的不同生产阶段的养分需求，应合作社和农户的要求，现场配置成液体配方肥，配好的配方肥直接进入田间使用。”

以糖尿病肾病患者作为分析对象，其各项检测结果的阳性率见表2所示，可见患者α1-MG、β2-MG、TRF、mAlb和Cys-C阳性率分别为43.68%、40.23%、77.01%、82.76%和57.47%。

图1 2010-2020 年行驶里程预测图

（3）投送量的递增伴随着故障率的增加，该部应强化维修技能培训，加大人才储备力度，确保完成上级赋予的各项投送任务。

参考文献

[1]杨晖,吴琦.信息技术在武警部队车辆管理中的应用[J].陕西师范大学学报（自然科学版）,2005,33（专辑）：224-225.

[2]缪岩,顾建明.基于灰色系统的船闸货运量预测[J].现代交通技术,2018,15（6）：67-72.

[3]姜金贵,宋艳,杜蓉.管理建模与仿真[M].北京：机械工业出版社2018：129-144.

[4]刘春平,黄宝燕,徐琼花.关于灰色预测模型的海南卫生总费用预测[J].统计与决策,2018,（24）：88-90.

Research on Application of Armed Police Vehicle Management Based on Grey Prediction Model

Wang Shenqiang, Cui Xiaoping^*, Gao Rui, Yu Yongxin
( College of Equipment management and support, Enginnering university of PAP, Shaanxi Xi’an 710086 )

Abstract: The gray theory is used to establish the GM (1,1) model, and the trend of a unit's delivery task is predicted. The post-test difference test is used to show that the model has high accuracy. The establishment of the model can be used to study the prediction of the mileage of the armed police vehicles, and provide basic data support for the management efficiency of the vehicle management departments at all levels.

Keywords: Armed Police Vehicle Management; Grey Prediction; Applied Research

中图分类号： U462

文献标识码： A

文章编号： 1671-7988(2019)20-89-03

作者简介：王申强（1982-），男，在读硕士研究生，中国人民武装警察部队工程大学研究生大队，研究方向：军事装备。

通讯作者：崔晓萍（1975-），女，博士，教授，就职于中国人民武装警察部队工程大学装备管理与保障学院。主要从事非致命武器及高性能材料方面的研究。

10.16638/j.cnki.1671-7988.2019.20.033

CLC NO.: U462

Document Code: A

Article ID: 1671-7988(2019)20-89-03