[發(fā)明專利]融合時(shí)序預(yù)測(cè)模型和機(jī)器學(xué)習(xí)模型的備件需求預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110411099.4
• 申請(qǐng)日: 2021-04-16
• 公開(kāi)（公告）號(hào): CN113127537A
• 公開(kāi)（公告）日: 2021-07-16
• 發(fā)明（設(shè)計(jì)）人: 王浩業(yè);任爽
• 申請(qǐng)（專利權(quán)）人: 北京交通大學(xué)
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/25;G06N3/04;G06N20/20;G06Q10/04;G06Q10/08
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 黃曉軍

本發(fā)明提供了一種融合時(shí)序預(yù)測(cè)模型和機(jī)器學(xué)習(xí)模型的備件需求預(yù)測(cè)方法。該方法包括：采集備件需求預(yù)測(cè)相關(guān)的元數(shù)據(jù)，將ETL處理后的元數(shù)據(jù)存入數(shù)據(jù)庫(kù)中；對(duì)數(shù)據(jù)庫(kù)中存儲(chǔ)的元數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)預(yù)處理后的元數(shù)據(jù)進(jìn)行數(shù)據(jù)特征挖掘，確定影響備件需求的各個(gè)因素，分析出各個(gè)因素對(duì)備件需求的影響程度，在備件需求預(yù)測(cè)階段，以經(jīng)過(guò)影響程度分析處理后的元數(shù)據(jù)、各個(gè)有用的影響因素以及排序后的各個(gè)影響因素對(duì)備件需求的影響程度作為源數(shù)據(jù)，將源數(shù)據(jù)輸入到基于LSTM、GRU時(shí)序預(yù)測(cè)和XGBoost、Randomforest機(jī)器學(xué)習(xí)融合模型預(yù)測(cè)方法中，對(duì)未來(lái)某個(gè)月份的備件需求量進(jìn)行預(yù)測(cè)分析，并輸出預(yù)測(cè)結(jié)果。本發(fā)明方法能夠通過(guò)供應(yīng)鏈經(jīng)濟(jì)原理，做出合理的購(gòu)買計(jì)劃，有利于部門充分利用資源，合理地分配購(gòu)買各備件數(shù)量，減少不必要的財(cái)產(chǎn)成本和其他運(yùn)營(yíng)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種融合時(shí)序預(yù)測(cè)模型和機(jī)器學(xué)習(xí)模型的備件需求預(yù)測(cè)方法。

背景技術(shù)

在當(dāng)今快速發(fā)展的經(jīng)濟(jì)社會(huì)中，企業(yè)獲得更多競(jìng)爭(zhēng)優(yōu)勢(shì)的方式之一就是要更加合理的利用現(xiàn)有的資金產(chǎn)更大的經(jīng)濟(jì)效益，這對(duì)企業(yè)的發(fā)展十分重要。企業(yè)部門可以通過(guò)備件需求的預(yù)測(cè)以及調(diào)節(jié)備件需求的關(guān)鍵因素決定未來(lái)的備件需求，及時(shí)掌握未來(lái)需求趨勢(shì)，做出合理規(guī)劃和決策，最終提高企業(yè)整齊競(jìng)爭(zhēng)優(yōu)勢(shì)和經(jīng)濟(jì)效益。

在現(xiàn)有的方式下，傳統(tǒng)的分析處理方式，不僅難度大，結(jié)果也不準(zhǔn)確。因此針對(duì)影響備件需求的因素大量存在且復(fù)雜多變的情況，提出更加準(zhǔn)確有效的備件需求預(yù)測(cè)方法，對(duì)方便決策者做出更加合理的計(jì)劃和提高企業(yè)整體競(jìng)爭(zhēng)力具有重要的意義。

發(fā)明內(nèi)容

本發(fā)明的實(shí)施例提供了一種融合時(shí)序預(yù)測(cè)模型和機(jī)器學(xué)習(xí)模型的備件需求預(yù)測(cè)方法，以實(shí)現(xiàn)準(zhǔn)確、有效地預(yù)測(cè)出備件需求量。為了實(shí)現(xiàn)該目的，本發(fā)明采取了如下技術(shù)方案。

一種備件需求預(yù)測(cè)方法，包括：

一種融合時(shí)序預(yù)測(cè)模型和機(jī)器學(xué)習(xí)模型的備件需求預(yù)測(cè)方法，包括：

采集備件需求預(yù)測(cè)相關(guān)的元數(shù)據(jù)，將ETL處理后的元數(shù)據(jù)存入數(shù)據(jù)庫(kù)中；

對(duì)數(shù)據(jù)庫(kù)中存儲(chǔ)的元數(shù)據(jù)進(jìn)行預(yù)處理，該預(yù)處理包括數(shù)據(jù)匯總、數(shù)據(jù)整合和分析處理；

對(duì)預(yù)處理后的元數(shù)據(jù)進(jìn)行數(shù)據(jù)特征挖掘，確定影響備件需求的各個(gè)因素，分析出各個(gè)因素對(duì)備件需求的影響程度，將各個(gè)因素按照影響程度的大小進(jìn)行排序；

在備件需求預(yù)測(cè)階段，以經(jīng)過(guò)關(guān)鍵因素識(shí)別算法處理后計(jì)算出的影響程度靠前的元數(shù)據(jù)作為源數(shù)據(jù)，將所述源數(shù)據(jù)輸入到基于LSTM、GRU時(shí)序預(yù)測(cè)和XGBoost、Randomforest機(jī)器學(xué)習(xí)融合模型預(yù)測(cè)方法中，對(duì)未來(lái)某個(gè)月份的備件需求量進(jìn)行預(yù)測(cè)分析，并輸出預(yù)測(cè)結(jié)果。

優(yōu)選地，所述的采集備件需求預(yù)測(cè)相關(guān)的元數(shù)據(jù)，將ETL處理后的元數(shù)據(jù)存入數(shù)據(jù)庫(kù)中，包括：

配置數(shù)據(jù)采集任務(wù)，設(shè)置數(shù)據(jù)采集任務(wù)的任務(wù)屬性，該任務(wù)屬性包括采集對(duì)象、采集時(shí)間、采集周期和審核級(jí)別，通過(guò)軟件程序執(zhí)行所述數(shù)據(jù)采集任務(wù)，通過(guò)數(shù)據(jù)采集、交換處理、數(shù)據(jù)匯總和導(dǎo)入加載服務(wù)功能從企業(yè)部門的數(shù)據(jù)源中采集元數(shù)據(jù)；所述元數(shù)據(jù)涉及備件信息的各個(gè)方面，所述數(shù)據(jù)源來(lái)自從備件生產(chǎn)到備件使用的各個(gè)環(huán)節(jié)；對(duì)采集的元數(shù)據(jù)進(jìn)行ETL處理，將ETL處理后的元數(shù)據(jù)存入數(shù)據(jù)庫(kù)中。

優(yōu)選地，所述的元數(shù)據(jù)包括：各備件的基本信息、已消耗備件的歷史工作量、備件的庫(kù)存信息、備件的采購(gòu)信息、備件的工作環(huán)境、備件的維修信息、備件的分類信息、備件的保養(yǎng)信息、備件的供應(yīng)信息、備件的消耗信息、備件的經(jīng)濟(jì)型和脆弱性數(shù)據(jù)。

優(yōu)選地，對(duì)所述的數(shù)據(jù)庫(kù)中存儲(chǔ)的元數(shù)據(jù)進(jìn)行預(yù)處理，該預(yù)處理包括數(shù)據(jù)匯總、數(shù)據(jù)整合和分析處理，包括：