基于LS-SVM的新机备件需求预测

• 作者: 史玉敏 周斌 孙伟奇 孙吉良
• 来源期刊: 兵工自动化
• 学科: 航空航天
• 关键词: 新机 备件 历史数据 需求预测 最小二乘支持向量机
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 系统建模与仿真
• 页码范围: 71-73,78
• 页数: 4页
• 分类号: V19
• 字数: 3106字
• 语种: 中文
• DOI: 10.7690/bgzdh.2018.07.015

摘要

为解决因新机备件历史消耗数据相对较少而给备件预测工作带来的困难,提出应用最小二乘支持向量机(least squares support vector machine,LS-SVM)回归算法来实现新机备件需求的预测.阐述了最小二乘支持向量机的基本原理,建立了新机备件需求的预测模型,选取核函数,采用LS-SVM对训练样本进行学习,对其网格结构参数进行训练,通过十字交叉验证(cross-validation)和网格搜索(grid-search)确定最优参数,利用训练后的LS-SVM对新机备件需求进行预测,并进行算例仿真.结果表明,LS-SVM在新机备件需求预测上表现优秀.