基于隨機(jī)森林理論的軍用飛機(jī)維修費(fèi)用預(yù)測(cè)研究
發(fā)布時(shí)間:2021-02-08 09:00
為預(yù)測(cè)軍用飛機(jī)維修費(fèi)用,選取軍用飛機(jī)維修費(fèi)用預(yù)測(cè)指標(biāo),使用收集的訓(xùn)練樣本,建立軍用飛機(jī)維修費(fèi)用預(yù)測(cè)的隨機(jī)森林模型,并預(yù)測(cè)軍用飛機(jī)維修費(fèi)用;將該模型預(yù)測(cè)結(jié)果與支持向量機(jī)回歸(SVR)模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。研究表明:采用RF模型所預(yù)測(cè)的實(shí)例的軍用飛機(jī)維修費(fèi)用誤差為6.9%,低于SVR模型的誤差7.6%,BP神經(jīng)網(wǎng)絡(luò)的誤差8.4%;可見RF模型具有較高的預(yù)測(cè)精度,能夠相對(duì)有效地對(duì)合同經(jīng)費(fèi)進(jìn)行預(yù)測(cè)。
【文章來源】:電子質(zhì)量. 2020,(12)
【文章頁數(shù)】:7 頁
【部分圖文】:
RF算法示意圖
軍用飛機(jī)維修費(fèi)用預(yù)測(cè)RF模型預(yù)測(cè)樣本如表2所示。RF模型用表1中的30組數(shù)據(jù)進(jìn)行訓(xùn)練,用表2中10組數(shù)據(jù)對(duì)軍用飛機(jī)維修費(fèi)用進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果如圖3所示。從圖3可以看出,使用RF模型的預(yù)測(cè)結(jié)果與實(shí)際費(fèi)用的吻合度較高。R2常用來對(duì)模型的擬合程度進(jìn)行判斷,對(duì)測(cè)試結(jié)果進(jìn)行R2檢驗(yàn),結(jié)果為0.9。R2的取值范圍為(0,1),R2的值越大,模型的擬合效果越好,因此,RF模型對(duì)測(cè)試數(shù)據(jù)的擬合效果較高。圖3 軍用飛機(jī)維修費(fèi)用預(yù)測(cè)結(jié)果
圖2 RF模型誤差曲線對(duì)每個(gè)指標(biāo)在隨機(jī)森林模型中的每棵樹上做的貢獻(xiàn)求平均值,并對(duì)值進(jìn)行比較,可以對(duì)隨機(jī)森林模型中指標(biāo)的重要度進(jìn)行度量,常用的回歸預(yù)測(cè)中的不純度函數(shù)為MSE函數(shù)。在python中使用sklearn中自帶的feature_importances_函數(shù)可以直接得到。圖4所示為指標(biāo)重要度,由圖4可知,平均修復(fù)時(shí)間(X3)的重要度最高,而其他指標(biāo)的重要度相近,說明模型所選指標(biāo)合理,同時(shí),再次出動(dòng)準(zhǔn)備時(shí)間是需要重點(diǎn)關(guān)注的指標(biāo),它的變化對(duì)維修費(fèi)用的變化有較大的影響。
【參考文獻(xiàn)】:
期刊論文
[1]基于CAF-SVM的調(diào)制信號(hào)識(shí)別方法[J]. 王小卉,黃貞,譚瑩. 指揮信息系統(tǒng)與技術(shù). 2019(05)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的終端區(qū)擁擠等級(jí)預(yù)測(cè)[J]. 阮昌,李印鳳,高旗. 指揮信息系統(tǒng)與技術(shù). 2019(04)
[3]基于GM(1,1)模型的飛機(jī)故障數(shù)量預(yù)測(cè)方法[J]. 孫海霞,趙培仲,戚佳睿,夏毅銳. 設(shè)備管理與維修. 2017(03)
[4]參數(shù)優(yōu)化隨機(jī)森林算法的土地覆蓋分類[J]. 周天寧,明冬萍,趙睿. 測(cè)繪科學(xué). 2017(02)
[5]基于隨機(jī)森林的CT前列腺分割[J]. 邵葉秦,楊新. CT理論與應(yīng)用研究. 2015(05)
[6]隨機(jī)森林理論淺析[J]. 董師師,黃哲學(xué). 集成技術(shù). 2013(01)
[7]軍用飛機(jī)維修保障費(fèi)用的GM(1,1)預(yù)測(cè)[J]. 范紅軍,楊中書,陳友龍,王春健. 微計(jì)算機(jī)信息. 2011(05)
[8]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷. 電子科技大學(xué)學(xué)報(bào). 2011(01)
[9]基于隨機(jī)森林方法的基金收益率方向預(yù)測(cè)與交易策略研究[J]. 方匡南,朱建平,謝邦昌. 經(jīng)濟(jì)經(jīng)緯. 2010(02)
[10]軍用飛機(jī)維修保障費(fèi)用機(jī)器學(xué)習(xí)預(yù)測(cè)方法[J]. 劉暉,穆志韜,牟麗君. 航空計(jì)算技術(shù). 2009(03)
碩士論文
[1]民用飛機(jī)維修成本分析與評(píng)估[D]. 陳勇.南京航空航天大學(xué) 2006
本文編號(hào):3023678
【文章來源】:電子質(zhì)量. 2020,(12)
【文章頁數(shù)】:7 頁
【部分圖文】:
RF算法示意圖
軍用飛機(jī)維修費(fèi)用預(yù)測(cè)RF模型預(yù)測(cè)樣本如表2所示。RF模型用表1中的30組數(shù)據(jù)進(jìn)行訓(xùn)練,用表2中10組數(shù)據(jù)對(duì)軍用飛機(jī)維修費(fèi)用進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果如圖3所示。從圖3可以看出,使用RF模型的預(yù)測(cè)結(jié)果與實(shí)際費(fèi)用的吻合度較高。R2常用來對(duì)模型的擬合程度進(jìn)行判斷,對(duì)測(cè)試結(jié)果進(jìn)行R2檢驗(yàn),結(jié)果為0.9。R2的取值范圍為(0,1),R2的值越大,模型的擬合效果越好,因此,RF模型對(duì)測(cè)試數(shù)據(jù)的擬合效果較高。圖3 軍用飛機(jī)維修費(fèi)用預(yù)測(cè)結(jié)果
圖2 RF模型誤差曲線對(duì)每個(gè)指標(biāo)在隨機(jī)森林模型中的每棵樹上做的貢獻(xiàn)求平均值,并對(duì)值進(jìn)行比較,可以對(duì)隨機(jī)森林模型中指標(biāo)的重要度進(jìn)行度量,常用的回歸預(yù)測(cè)中的不純度函數(shù)為MSE函數(shù)。在python中使用sklearn中自帶的feature_importances_函數(shù)可以直接得到。圖4所示為指標(biāo)重要度,由圖4可知,平均修復(fù)時(shí)間(X3)的重要度最高,而其他指標(biāo)的重要度相近,說明模型所選指標(biāo)合理,同時(shí),再次出動(dòng)準(zhǔn)備時(shí)間是需要重點(diǎn)關(guān)注的指標(biāo),它的變化對(duì)維修費(fèi)用的變化有較大的影響。
【參考文獻(xiàn)】:
期刊論文
[1]基于CAF-SVM的調(diào)制信號(hào)識(shí)別方法[J]. 王小卉,黃貞,譚瑩. 指揮信息系統(tǒng)與技術(shù). 2019(05)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的終端區(qū)擁擠等級(jí)預(yù)測(cè)[J]. 阮昌,李印鳳,高旗. 指揮信息系統(tǒng)與技術(shù). 2019(04)
[3]基于GM(1,1)模型的飛機(jī)故障數(shù)量預(yù)測(cè)方法[J]. 孫海霞,趙培仲,戚佳睿,夏毅銳. 設(shè)備管理與維修. 2017(03)
[4]參數(shù)優(yōu)化隨機(jī)森林算法的土地覆蓋分類[J]. 周天寧,明冬萍,趙睿. 測(cè)繪科學(xué). 2017(02)
[5]基于隨機(jī)森林的CT前列腺分割[J]. 邵葉秦,楊新. CT理論與應(yīng)用研究. 2015(05)
[6]隨機(jī)森林理論淺析[J]. 董師師,黃哲學(xué). 集成技術(shù). 2013(01)
[7]軍用飛機(jī)維修保障費(fèi)用的GM(1,1)預(yù)測(cè)[J]. 范紅軍,楊中書,陳友龍,王春健. 微計(jì)算機(jī)信息. 2011(05)
[8]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷. 電子科技大學(xué)學(xué)報(bào). 2011(01)
[9]基于隨機(jī)森林方法的基金收益率方向預(yù)測(cè)與交易策略研究[J]. 方匡南,朱建平,謝邦昌. 經(jīng)濟(jì)經(jīng)緯. 2010(02)
[10]軍用飛機(jī)維修保障費(fèi)用機(jī)器學(xué)習(xí)預(yù)測(cè)方法[J]. 劉暉,穆志韜,牟麗君. 航空計(jì)算技術(shù). 2009(03)
碩士論文
[1]民用飛機(jī)維修成本分析與評(píng)估[D]. 陳勇.南京航空航天大學(xué) 2006
本文編號(hào):3023678
本文鏈接:http://sikaile.net/kejilunwen/jingguansheji/3023678.html
最近更新
教材專著