求和预测不常用备件的需求发生时华中科技大学博士学位论文 4 刻这两点的基础上,设计组合预测方法尝试对这类需求进行准确预测。并在此基础上形成针对一般性不常用备件的预测模型。 4) 设计针对不常用备件需求的预测支持系统本文拟设计一个可以对不常用备件需求进行自主学习、智能分类并进行精确预测的预测支持系统。 1.1.4 研究意义本研究将引入现代信号处理技术中的经验模态分解、数字调制技术等方法,结合统计学习理论中应用较为成熟的支持向量机方法,对不常用备件需求进行较为准确的预测,并开发其预测支持系统原型。通过本研究,可以更加准确的描述不常用备件的需求特征,帮助建立更为合理的不常用备件库存模型,从而对电力、石油、化工、航空、军事等部门和领域的不常用备件的科学合理管理提供有益的决策支持。同时,本研究在现有支持向量回归预测技术基础上,引入现代信号处理技术,尝试解决了一些现有预测技术的缺陷和问题,并结合所选择的典型预测问题,对所提出新技术的应用推广进行前期应用基础研究。既具有创新性基础研究的理论意义,同时也表现出良好的应用研究的现实意义。 1.2 基本思路与研究方法 1.2.1 基本思路第一,预测方法本身可以分为两个大类:基于影响因素的预测和基于时间序列数据的预测,由于备件需求受到众多因素的影响,如维护用备件的需求会受到备件寿期、使用频率、使用方式、使用环境、人为损坏等等影响,服务用备件会受到产品数量、质量、用户使用时间、使用习惯等等影响,这些因素之间又存在的相互作用和相互影响,基于影响因素难以进行客观有效的预测。所以本研究将采用基于时间序列历史数据的预测方法。第二,基于前述需求预测一般方法之缺陷以及不常用备件的需求特征,所采用预测方法会优先考虑在小样本下表现较好的 SVM 回归预测方法,在对 SVM 回归预测进行优化的基础上,引入其他技术以使其尽可能匹配不常用备件需求的数据特征。
全文预览
