[發明專利]基于BP-SVR組合模型的船舶備件需求預測方法及系統

在審

• 申請號: 202210234017.8
• 申請日: 2022-03-09
• 公開（公告）號: CN114595890A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 黃國興;曹先懷;劉心報;錢曉飛
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08;G06Q50/04;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

本發明提供一種基于BP?SVR組合模型的船舶備件需求預測方法及系統，涉及船舶備件需求預測技術領域。本發明首先基于BP模型和SVR模型分別對船舶備件歷史消耗數據進行橫向和縱向預測，以獲取橫向預測結果和縱向預測結果，然后基于上述橫向預測結果和縱向預測結果利用網格搜索算法確定BP?SVR組合模型中BP模型和SVR模型的最優權重占比，最后基于最優權重占比的BP?SVR組合模型進行船舶備件需求預測。本發明利用不同單個模型在預測時處理數據不同特點時的優勢，可從船舶備件歷史消耗數據的不同角度獲取船舶備件需求預測結果，其最終的綜合預測結果相比于單個模型更加精準。

技術領域

本發明涉及船舶備件需求預測技術領域，具體涉及一種基于BP-SVR組合模型的船舶備件需求預測方法及系統。

背景技術

船舶行業的快速發展，讓中國船舶制造業在市場中所占的比重也明顯提升，同時也衍生出一系列問題，船舶相關的裝備備件庫存控制問題是船舶制造業中一個比較常見的問題。備件庫存控制的一個基本要素是精準的備件需求預測，船舶備件需求預測的優劣將會對裝備備件維修保障費用和戰備完好性產生顯著影響。然而由于船舶備件需求的非線性、灰色性特點，致使船舶備件消耗的量化非常復雜。

目前，一方面，艦船備件供應商通常根據經驗確定備件需求，然而這種基于主觀經驗的方法是一個隨機的、盲目的過程，其預測結果不準確；另外，也有利用各種數學模型對艦船備件進行預測的方法，但是，船舶備件需求存在非線性、灰色性等復雜特點，使得現有的基于單個模型進行艦船備件預測的預測結果并不理想。

艦船備件實際消耗量低于預期會導致大量備件積壓；而關鍵艦船備件短缺又會導致船舶制造工作的正常開展，而解決這些問題的關鍵是準確預測備件需求。所以，亟需一種具有較高預測精度的艦船備件需求預測技術來解決現實存在的問題。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于BP-SVR組合模型的船舶備件需求預測方法及系統，解決了現有技術中船舶備件需求預測結果不準確的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

第一方面，本發明首先提出了一種基于BP-SVR組合模型的船舶備件需求預測方法，該方法包括：

基于BP模型和SVR模型分別對獲取的船舶備件歷史消耗數據進行船舶備件需求預測以獲取BP模型預測結果和SVR模型預測結果；

基于所述BP模型預測結果和SVR模型預測結果，利用網格搜索算法確定BP-SVR組合模型中BP模型和SVR模型的最優權重占比；

基于所述最優權重占比的BP-SVR組合模型進行船舶備件需求預測。

優選的，所述基于BP模型和SVR模型分別對獲取的船舶備件歷史消耗數據進行船舶備件需求預測以獲取BP模型預測結果和SVR模型預測結果包括：

S11、獲取近T年內每個月的船舶備件歷史消耗數據；

S12、基于BP模型訓練集對所述BP模型進行訓練，并基于BP模型測試集利用訓練好的BP模型得到所述BP模型測結果；基于SVR模型訓練集對所述SVR模型進行訓練，并基于SVR模型測試集利用訓練好的SVR模型得到SVR模型預測結果；

其中，將近(T-1)年的不同年份的相同月份的所述船舶備件歷史消耗數據作為所述BP模型訓練集，將第T年的不同年份的相同月份的所述船舶備件歷史消耗數據作為所述BP模型測試集；

將近(T-1)年相同年份的不同月份的所述船舶備件歷史消耗數據作為所述SVR模型訓練集，將第T年相同年份的不同月份的所述船舶備件歷史消耗數據作為所述SVR模型測試集。