針對(duì)傳統(tǒng)以統(tǒng)計(jì)學(xué)為基礎(chǔ)的預(yù)測(cè)方法難以解決小樣本預(yù)測(cè)精度不高的實(shí)際問(wèn)題,將支持向量機(jī)回歸原理應(yīng)用到備件需求預(yù)測(cè)領(lǐng)域,構(gòu)建基于支持向機(jī)備件需求預(yù)測(cè)模型,以及需求預(yù)測(cè)結(jié)果準(zhǔn)確率的評(píng)價(jià)指標(biāo)。以實(shí)際數(shù)據(jù)為例,分別運(yùn)用了指數(shù)平滑法、網(wǎng)格搜索法優(yōu)化參數(shù)的支持向量機(jī)和遺傳算法優(yōu)化參數(shù)的支持向量機(jī)進(jìn)對(duì)重點(diǎn)備件的需求量進(jìn)行預(yù)測(cè),驗(yàn)證了遺傳算法優(yōu)化的支持向量機(jī)預(yù)測(cè)性能的先進(jìn)性。結(jié)果證明將支持向量機(jī)理論應(yīng)用到備件保障領(lǐng)域具有重要的實(shí)用價(jià)值。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖3對(duì)比可知，通過(guò)極差變換歸一化處

數(shù)據(jù)得到備件的需求趨勢(shì)圖，如圖2所示。表1備件歷史需求數(shù)據(jù)時(shí)間（年）需求量（個(gè)）20005200172002620038200410200492006820079200811200913圖2備件歷史需求數(shù)據(jù)利用極差變換法，將備件歷史需求數(shù)據(jù)進(jìn)行歸一化處理，得到表2。表2備件歸一化....

圖5網(wǎng)格搜索法對(duì)支持向量機(jī)參數(shù)尋優(yōu)圖

第48卷圖4備件需求量預(yù)測(cè)——指數(shù)平滑法運(yùn)用支持向量機(jī)回歸原理進(jìn)行需求量預(yù)測(cè)［14～15］。選擇RBF核函數(shù)作為核函數(shù)，采用網(wǎng)格搜索法對(duì)懲罰系數(shù)C和核參數(shù)g進(jìn)行優(yōu)化，選擇C=1024，g=0.0315。得到網(wǎng)格搜索法對(duì)支持向量機(jī)參數(shù)尋優(yōu)圖及備件需求量預(yù)測(cè)，如圖5和圖6所示。圖5網(wǎng)....

圖7適應(yīng)度函數(shù)

選擇RBF核函數(shù)作為核函數(shù)，采用網(wǎng)格搜索法對(duì)懲罰系數(shù)C和核參數(shù)g進(jìn)行優(yōu)化，選擇C=1024，g=0.0315。得到網(wǎng)格搜索法對(duì)支持向量機(jī)參數(shù)尋優(yōu)圖及備件需求量預(yù)測(cè)，如圖5和圖6所示。圖5網(wǎng)格搜索法對(duì)支持向量機(jī)參數(shù)尋優(yōu)圖圖6備件需求量預(yù)測(cè)—SVM—RBF核函數(shù)由圖6可知，預(yù)測(cè)曲線對(duì)....

本文編號(hào)：4035391