留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于案例推理的舰船计划维修费用预测方法

林名驰 王成宇 唐政

林名驰, 王成宇, 唐政. 基于案例推理的舰船计划维修费用预测方法[J]. 中国舰船研究, 2021, 16(6): 72–76 doi: 10.19693/j.issn.1673-3185.02294
引用本文: 林名驰, 王成宇, 唐政. 基于案例推理的舰船计划维修费用预测方法[J]. 中国舰船研究, 2021, 16(6): 72–76 doi: 10.19693/j.issn.1673-3185.02294
LIN M C, WANG C Y, TANG Z. Ship planned maintenance cost forecasting method through case-based reasoning[J]. Chinese Journal of Ship Research, 2021, 16(6): 72–76 doi: 10.19693/j.issn.1673-3185.02294
Citation: LIN M C, WANG C Y, TANG Z. Ship planned maintenance cost forecasting method through case-based reasoning[J]. Chinese Journal of Ship Research, 2021, 16(6): 72–76 doi: 10.19693/j.issn.1673-3185.02294

基于案例推理的舰船计划维修费用预测方法

doi: 10.19693/j.issn.1673-3185.02294
基金项目: 国家社会科学基金资助项目(18BGL287)
详细信息
    作者简介:

    林名驰,男,1978年生,硕士,副教授,硕士生导师。研究方向:装备价格管理,装备综合保障。E-mail:1276181@qq.com

    王成宇,男,1992年生,硕士生

    唐政,男,1995年生,硕士生。研究方向:物流成本管理。E-mail:792112798@qq.com

    通信作者:

    王成宇

  • 中图分类号: U674.7+07;TP181

Ship planned maintenance cost forecasting method through case-based reasoning

知识共享许可协议
基于案例推理的舰船计划维修费用预测方法林名驰,等创作,采用知识共享署名4.0国际许可协议进行许可。
  • 摘要:   目的  针对舰船维修费用精准预测的新要求,提出一种基于案例推理的舰船计划维修费用预测方法。  方法  首先,对各型舰船主要特征属性组成的特征向量及其维修费用进行案例表示;然后,采用基于加权欧氏距离的K 近邻(KNN)算法进行案例检索,并引入粗糙集理论中属性重要度的概念;其次,将检索案例与目标案例之间的相似度作为调整系数,并结合组合预测思想进行案例修正;最后,将预测得到的最新案例增加至案例库中,不断积累案例库数据。  结果  该方法和线性回归预测法,径向基函数(RBF)神经网络法与某实船维修数据的对比结果表明,其预测平均相对误差分别为8.7%,10.4%,10.2%,验证了基于案例推理的预测方法的准确性和有效性。  结论  研究成果可为舰船维修费用计划的制定与拨付提供参考。
  • 表  1  测试案例特征属性及维修费用

    Table  1.   Test case feature attributes and maintenance cost

    案例序号建造费用/美元空载排水量/t舰长/m最大航速/kn主机数量舰员数量基地级维修费用/美元
    11.076 579×1095 600162.463424552.692 4×107
    29.931 44×1085 878166.733426102.860 8×107
    32.560 798×1097 015172.823044005.127 3×107
    43.525 797×10957 149316.693342 8391.046 81×108
    59.356 686×10979 600332.843043 2001.163 12×108
    68.020 52×1085 770171.603343822.984 1×107
    下载: 导出CSV

    表  2  预测结果对比

    Table  2.   Comparison of prediction results

    案例序号实船维修费用值[14]/美元线性回归预测法RBF神经网络法本文方法
    预测值/美元相对误差/%预测值/美元相对误差/%预测值/美元相对误差/%
    12.692 4×1073.146 9×10714.442.625×1072.562.489 2×1078.16
    22.860 8×1072.954×1073.15%2.691×1076.312.827 3×1071.18
    35.127 3×1075.315 1×1073.536.346×10719.205.950 5×10713.83
    41.046 81×1088.914 5×10717.431.077 7×1082.929.647 3×1078.51
    51.163 12×1081.425 03×10818.381.115 3×1084.291.067 17×1088.99
    62.984 1×1073.155 7×1075.442.366×10726.1226.687×10711.82
    下载: 导出CSV
  • [1] 李天照. 舰艇作战系统全寿命费用估算研究[D]. 北京: 中国舰船研究院, 2016.

    LI T Z. The research of LCC estimation of ship combat system[D]. Beijing: China Ship Research and Development Academy, 2016 (in Chinese).
    [2] 刘宝平, 孙胜祥, 胡杰. 舰船装备修理合同优化研究[J]. 船舶工程, 2009, 31(2): 81–83. doi: 10.3969/j.issn.1000-6982.2009.02.023

    LIU B P, SUN S X, HU J. Research of optimizing fixing contract of warship equipment[J]. Ship Engineering, 2009, 31(2): 81–83 (in Chinese). doi: 10.3969/j.issn.1000-6982.2009.02.023
    [3] 彭亮, 岳冬梅. 舰船装备全寿命周期费用估算方法研究[J]. 舰船电子工程, 2013, 33(5): 126–128,136. doi: 10.3969/j.issn.1627-9730.2013.05.043

    PENG L, YUE D M. Estimate method for warship equipment LCC[J]. Ship Electronic Engineering, 2013, 33(5): 126–128,136 (in Chinese). doi: 10.3969/j.issn.1627-9730.2013.05.043
    [4] 李向荣, 郭广生, 徐宗昌. 武器装备寿命周期费用估算方法研究[J]. 科技导报, 2008, 26(15): 84–88. doi: 10.3321/j.issn:1000-7857.2008.15.016

    LI X R, GUO G S, XU Z C. Life cycle cost estimation methods for weaponry[J]. Science & Technology Review, 2008, 26(15): 84–88 (in Chinese). doi: 10.3321/j.issn:1000-7857.2008.15.016
    [5] 张静文, 张庆松. 基于BP神经网络的舰船维修成本估计[J]. 舰船科学技术, 2019, 41(20): 220–222.

    ZHANG J W, ZHANG Q S. Estimation of ship maintenance cost based on BP neural network[J]. Ship Science and Technology, 2019, 41(20): 220–222 (in Chinese).
    [6] 张长聪, 方其庆, 刘庆华, 等. 基于改进GM(1, N)模型的对空情报雷达费用预测[J]. 兵器装备工程学报, 2019, 40(11): 144–148. doi: 10.11809/bqzbgcxb2019.11.029

    ZHANG C C, FANG Q Q, LIU Q H, et al. Cost prediction of airborne intelligence radar based on improved GM(1, N) model[J]. Journal of Ordnance Equipment Engineering, 2019, 40(11): 144–148 (in Chinese). doi: 10.11809/bqzbgcxb2019.11.029
    [7] 黄栋, 费良. 基于GA-SVM的舰船装备临修经费需求预测模型[J]. 数学的实践与认识, 2017, 47(13): 91–97.

    HUANG D, FEI L. A demand forecasting model for ship equipment temporary repair funds based on the GA-SVM[J]. Mathematics in Practice and Theory, 2017, 47(13): 91–97 (in Chinese).
    [8] ARMENGOL E. Usages of generalization in case-based reasoning[C]//Proceedings of the 7th International Conference on Case-Based Reasoning: Case-Based Reasoning Research and Development. Belfast, Northern Ireland: Springer, 2007: 31–45.
    [9] 张涛, 翁康年, 张倩帆, 等. 基于情境案例推理的播前收视率预测方法[J]. 管理工程学报, 2020, 34(6): 156-164.

    ZHANG T, WENG K N, ZHANG Q F, et al. Audience rating predication before broadcasting based on context case-based reasoning[J]. Journal of Industrial Engineering and Engineering Management, 2020, 34(6): 156-164 (in Chinese).
    [10] 吴虹, 王国萍, 彭鸿钊, 等. 一种基于KNN的室内位置指纹定位算法[J]. 南开大学学报(自然科学版), 2020, 53(6): 5–9.

    WU H, WANG G P, PENG H Z, et al. A location fingerprinting algorithm for indoor positioning based on K-nearest neighbors[J]. Acta Scientiarum Naturalium Universitatis Nankaiensis (Natural Science Edition), 2020, 53(6): 5–9 (in Chinese).
    [11] PAWLAK Z. Rough sets[J]. International Journal of Computer & Information Sciences, 1982, 11(5): 341-356.
    [12] 杨锡运, 任杰, 肖运启. 基于粗糙集的光伏输出功率组合预测模型[J]. 中国电力, 2016, 49(12): 133-138.

    YANG X Y, REN J, XIAO Y Q. A combined photovoltaic output forecasting method based on rough set theory[J]. Electric Power, 2016, 49(12): 133-138 (in Chinese).
    [13] MAKRIDAKIS S, SPILIOTIS E, ASSIMAKOPOULOS V. The M4 competition: 100, 000 time series and 61 forecasting methods[J]. International Journal of Forecasting, 2020, 36(1): 54–74. doi: 10.1016/j.ijforecast.2019.04.014
    [14] 訾书宇. 基于案例推理的舰船装备维修费预测方法研究[D]. 武汉: 海军工程大学, 2011.

    ZI S Y. Study on naval ship maintenance cost forecasting method based on case-based reasoning[D]. Wuhan: Naval University of Engineering, 2011.
  • 加载中
表(2)
计量
  • 文章访问数:  163
  • HTML全文浏览量:  83
  • PDF下载量:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-02-08
  • 修回日期:  2021-03-29
  • 网络出版日期:  2021-11-25
  • 刊出日期:  2021-12-20

目录

    /

    返回文章
    返回