[发明专利]一种运载火箭数据预测方法及装置、存储介质和电子设备

说明书

本发明公开了一种运载火箭数据预测方法及装置、存储介质和电子设备，该方法包括：步骤S101，确定加权系数向量K；步骤S102，基于所述加权系数向量K计算得到加权预测值集合ZP_final；步骤S103,基于所述加权预测值集合ZP_final和与其相对应的火箭测试数据的实际值的比较结果，将所述加权预测值集合ZP_final内全部的加权预测值输出。本申请将AR模型作为随机性模型与回归分析模型作为确定性模型相结合，应用在火箭测试数据的预测方面，不仅能够单纯测度出某一因素影响，还能够根据已经测试好的数据预测出即将出现的数据。

技术领域

本发明涉及数据处理技术领域，尤其是一种运载火箭数据预测方法及装置、存储介质和电子设备。

背景技术

上世纪70年代，G.E.P.Box和G.M.Jenkins发展了满足有限参量线性模型的离散参量预测递推算法(Box-Jenkins模型)，为将预测理论与计算机结合提供了可能。随着计算机技术的发展，AR、MA、ARMA以及ARIMA等模型得到了广泛应用。

目前，对于组合预测模型的研究是一个热点，众多学者提出了组合式时间序列预测方法，如基于Hilbert-Huang变换和ARMA模型的时间序列预测方法、基于小波分析法和滚动式时间序列预测算法的优化预测方法、针对非平稳的时间序列的基于小波和核平滑的预测方法、针对先验知识不足提出的一种自适应模型选择(PAAMS)的预测方法等。

组合预测模型的一个重要研究方向是组合权重的选择与计算，目前已经出现了大量组合权重的选择方法。使用最广泛的是简单的加权平均，但是该方法不能利用之前包含预测精确度的信息，因此采用加权平均这种方法，存在精确度不高的问题。另一个简单的方法是将各独立的预测进行线性混合，也就是说，将过去预测值和过去的观测值这两个矩阵中取出一部分数据进行组合成多种矩阵，找出多种矩阵中相关性最高的矩阵，然后再通过最小二乘法(Ordinary Least Square,OLS)的方式确定组合权重，由于矩阵的数量很多，需要处理的量很大，导致了采用最小二乘法的效率不高。而对于运载火箭测试数据的趋势预测中，很少有人使用时间序列预测的方法。

发明内容

本发明的目的是提供一种运载火箭测试数据的预测方法及装置，基于AR函数模型和回归分析函数模型对火箭测试数据进行预测，得到两种预测方式对应的预测值，对两种方法得到的预测值进行处理，通过极小化残差平方和方法计算关于预测值的加权系数，根据该加权系数得到最终的预测值。能够实现对运载火箭测试数据的提前预测，基于提前预测的值，可以确定火箭内的设备是否出现故障，能够对火箭内部的设备提前进行整修，以免出现更严重的问题。

为解决上述问题，本发明的第一方面提供了一种运载火箭测试数据的预测方法，包括：步骤S101，确定加权系数向量K；步骤S102，基于加权系数向量K计算得到加权预测值集合ZP_final；步骤S103,基于加权预测值集合ZP_final和与其相对应的火箭测试数据的实际值的比较结果，将加权预测值集合ZP_final内全部的加权预测值输出。

进一步地，步骤S101包括：确定滑动窗口的宽度L及每次需预测数据的个数f，获取运载火箭当前测试中的第1个到第L+f个数据,将第1个数据到第L个数据建立窗口；构建AR函数模型，将所述窗口内的第1个数据至第L个数据输入所述AR函数模型得到第一预测值集合Y₁；构建回归分析函数模型，将L+f个数据中的第1个数据至第L个数据输入所述回归分析函数模型得到第二预测值集合Y₂；基于第一预测值集合Y₁和第二预测值集合Y₂计算得到加权系数向量K。