[發明專利]一種船舶主機備件庫存消耗預測方法

在審

• 申請號: 202310212038.4
• 申請日: 2023-03-07
• 公開（公告）號: CN116308044A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 孟冠軍;黃江濤;魏亞博
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/087
• 分類號: G06Q10/087;G06N3/006;B63B79/00
• 代理公司: 合肥中悟知識產權代理事務所(普通合伙) 34191
• 代理人: 趙陽

本發明公開了一種船舶主機備件庫存消耗預測方法，屬于船舶主機備件預測技術領域，所述方法包括以下步驟：首先獲取船舶主機備件的歷史使用數據，對其進行歸一化處理，其次利用改進紅狐優化算法中對支持向量機回歸參數進行尋優，構建船舶主機備件的預測模型。最后某一時間段內船舶主機備件使用情況的歷史數據作為訓練集，訓練其預測模型，然后對測試的結果進行反歸一化后，輸出預測結果。本發明通過在紅狐優化算法中采用反思學習和精英反向學習策略，使得改進的算法在收斂速度和精確度上有所提高，同時利用紅狐優化算法對參數尋優，降低了因個人主觀因素設置參數造成的預測結果不理想的情況，為船舶主機備件預測提供精準的預測服務。

技術領域

本發明屬于船舶主機備件預測技術領域，具體涉及一種船舶主機備件庫存消耗預測方法。

背景技術

船舶主機備件是保障船舶正常海上作業的重要裝備，其備件的需求和預測是進行備件籌措、供應、儲運等各項管理工作的基礎，合理、科學的備件庫存能夠有效地幫助決策者對各種類型的備件采取相應的管理措施，達到降低庫存成本、及時備件的目的。

船舶主機備件庫存消耗預測，是根據過去船舶主機備件的使用情況以及當前船舶主機備件庫存的狀態預測未來某段時間內庫存的消耗。常用的備件預測方法有時間序列模型、灰色模型、神經網絡模型等，因備件預測屬于非線性動態問題，影響備件消耗的因素繁雜，譬如備件故障規律、失效率、船舶航海時間以及設備定期維護等，故其建立模型較為復雜，上述方法中時間序列模型適用于線性預測，灰色模型適用于單調遞增以及遞減的光滑數據樣本的預測，神經網絡模型存在著學習以及泛化能力差的缺點，其對于船舶主機備件庫存的預測效果出入較大，預測精度欠佳。

目前，船舶主機備件的需求較為復雜，而船舶主機售后服務企業備件供應量的預測大部分采用粗略的人工試算，其預測結果不高，難以科學、有效的針對船舶主機備件庫存結構進行優化改進，導致庫存管理成本加劇。因此，現階段亟需一種有效的預測方法應用至船舶主機備件庫存管理中。

發明內容

為解決上述背景技術中提出的問題。本發明提供了一種船舶主機備件庫存消耗預測方法，具有預測精度高、學習和泛化能力強的特點。

為實現上述目的，本發明提供如下技術方案：一種船舶主機備件庫存消耗預測方法，所述方法包括以下步驟：

S1：獲取過去船舶主機備件的使用情況的歷史數據，并對其進行歸一化處理，將原始數據映射到[0，1]區間。

S2：利用改進紅狐優化算法對支持向量機回歸參數進行尋優，構建船舶主機備件預測模型；

S3：將獲取的某一時間段內船舶主機備件使用情況的歷史數據作為訓練集，訓練船舶主機備件預測模型；

S4：利用構建的預測模型進行樣本的測試，最后對測試的結果進行反歸一化后，輸出預測結果。

優選地，所述步驟S2中構建船舶主機備件預測模型具體包括：

S21：構建支持向量機回歸船舶主機備件預測模型；確定支持向量機回歸核函數，設定初始參數區間、最大迭代次數；

S22：通過改進紅狐優化算法對支持向量機回歸算法進行參數優化；初始化紅狐種群，將船舶主機備件預測誤差作為紅狐個體的適應度函數。

S23：選擇適應度數值最優的個體的位置，后根據改進紅狐優化算法中運用數學模型模擬的紅狐覓食、狩獵、逃離獵人等生活習性，通過其尋覓獵物、圍攻獵物、躲避獵人三個階段，不斷迭代更新紅狐個體位置，對迭代后個體進行擇優選擇，直至達到最大迭代次數，輸出最佳紅狐個體適應度位置。

S24：若不滿足最大迭代次數，淘汰狐群中最差的個體，并利用最優個體進行繁殖后代，不斷重復步驟3，直至迭代結束，輸出最佳個體適應度值和最佳個體，獲得最優支持向量機回歸參數，構建基于紅狐優化算法改進支持向量機回歸的船舶主機備件預測模型。