針對傳統(tǒng)以統(tǒng)計學(xué)為基礎(chǔ)的預(yù)測方法難以解決小樣本預(yù)測精度不高的實際問題,將支持向量機回歸原理應(yīng)用到備件需求預(yù)測領(lǐng)域,構(gòu)建基于支持向機備件需求預(yù)測模型,以及需求預(yù)測結(jié)果準確率的評價指標。以實際數(shù)據(jù)為例,分別運用了指數(shù)平滑法、網(wǎng)格搜索法優(yōu)化參數(shù)的支持向量機和遺傳算法優(yōu)化參數(shù)的支持向量機進對重點備件的需求量進行預(yù)測,驗證了遺傳算法優(yōu)化的支持向量機預(yù)測性能的先進性。結(jié)果證明將支持向量機理論應(yīng)用到備件保障領(lǐng)域具有重要的實用價值。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖3對比可知，通過極差變換歸一化處

數(shù)據(jù)得到備件的需求趨勢圖，如圖2所示。表1備件歷史需求數(shù)據(jù)時間（年）需求量（個）20005200172002620038200410200492006820079200811200913圖2備件歷史需求數(shù)據(jù)利用極差變換法，將備件歷史需求數(shù)據(jù)進行歸一化處理，得到表2。表2備件歸一化....

圖5網(wǎng)格搜索法對支持向量機參數(shù)尋優(yōu)圖

第48卷圖4備件需求量預(yù)測——指數(shù)平滑法運用支持向量機回歸原理進行需求量預(yù)測［14～15］。選擇RBF核函數(shù)作為核函數(shù)，采用網(wǎng)格搜索法對懲罰系數(shù)C和核參數(shù)g進行優(yōu)化，選擇C=1024，g=0.0315。得到網(wǎng)格搜索法對支持向量機參數(shù)尋優(yōu)圖及備件需求量預(yù)測，如圖5和圖6所示。圖5網(wǎng)....

圖7適應(yīng)度函數(shù)

選擇RBF核函數(shù)作為核函數(shù)，采用網(wǎng)格搜索法對懲罰系數(shù)C和核參數(shù)g進行優(yōu)化，選擇C=1024，g=0.0315。得到網(wǎng)格搜索法對支持向量機參數(shù)尋優(yōu)圖及備件需求量預(yù)測，如圖5和圖6所示。圖5網(wǎng)格搜索法對支持向量機參數(shù)尋優(yōu)圖圖6備件需求量預(yù)測—SVM—RBF核函數(shù)由圖6可知，預(yù)測曲線對....

本文編號：4035391