为探讨LNG工厂气动阀故障率与季节、温度的关系,帮助制定气动阀检修方案,运用GM(1,1)模型群进行简便图形预测。该方法既能反映气动阀故障率周期性波动特征,又不局限于常规时间序列数据建模要求的原始数据平稳性检验和数据分布假设性制约。研究得出GM(1,1)模型能最少运用最近4组数据进行运算,有着“贫信息、小样本”的通用性优势,助LNG工厂进行零件库存和检修工作优化。