基于不稳定时间序列分析的设备备件需求预测方法

发布时间：2018-11-08 15:53

【摘要】：针对设备备件需求具有的非平稳性、多样性特征,提出一种基于集合经验模态分解(EEMD)和支持向量回归(SVR)的需求预测方法。首先运用EEMD将需求序列分解为一系列相对平稳的本征模函数(IMF),然后对各IMF分量采用基于RBF核函数的支持向量机进行非线性回归,同时针对不同分量的预测模型采用遗传算法进行核参数优化,最后将各分量的预测结果合成为实际时间序列的预测值。实验数据表明:该方法能有效降低备件需求的不稳定性对预测结果造成的影响,对小样本、非平稳时间序列的预测问题,与通用的预测方法相比具有较高的预测精度。
[Abstract]:In view of the non-stationary and diverse characteristics of equipment spare parts demand, a demand prediction method based on set empirical mode decomposition (EEMD) and support vector regression (SVR) is proposed. First, the demand sequence is decomposed into a series of relatively stationary eigenmode functions (IMF),) by using EEMD, and then the support vector machines based on RBF kernel function are used for nonlinear regression of each IMF component. At the same time, genetic algorithm is used to optimize the kernel parameters for different component prediction models. Finally, the prediction results of each component are synthesized into the actual time series prediction values. Experimental data show that the proposed method can effectively reduce the influence of the instability of spare parts demand on the prediction results, and has a higher prediction accuracy than the general prediction method for small samples and non-stationary time series.
【作者单位】：中南大学交通运输工程学院;桂林理工大学管理学院;海南出版社有限公司;
【基金】：国家自然科学基金资助项目(71271220) 广西教育厅科研基金资助项目(201010LX178)
【分类号】：F224;F252

【参考文献】

相关期刊论文前10条

1 蒋铁军;张怀强;王先甲;;基于EEMD和进化KPCR的复杂时间序列自适应预测建模[J];系统工程理论与实践;2014年10期

2 李合龙;冯春娥;;基于EEMD的投资者情绪与股指波动的关系研究[J];系统工程理论与实践;2014年10期

3 翟冰;金炜东;秦娜;;基于EEMD和球SVM的高速列车转向架故障估计[J];计算机测量与控制;2014年08期

4 刘倪;叶金印;;基于RBF神经网络马尔可夫模型的淮河流域汛期暴雨量预测[J];浙江农业科学;2014年08期

5 王帅;汤铃;余乐安;;基于单变量分解集成的牛奶消费需求预测研究[J];系统科学与数学;2013年01期

6 张超;陈建军;郭迅;;基于EEMD能量熵和支持向量机的齿轮故障诊断方法[J];中南大学学报(自然科学版);2012年03期

7 张冬;明新国;赵成雷;李冬;王鹏鹏;;基于BP神经网络和设备特性的工业设备备件需求预测[J];机械设计与研究;2010年01期

8 程文鑫;秦健;张志华;;基于可靠性增长的备件需求模型及其统计分析[J];北京理工大学学报;2008年03期

9 陈富民;赵建军;林志航;;基于任务可靠度的慢速流动备件需求量预测[J];装备制造技术;2007年04期

10 尉询楷,李应红,张朴,路建明;基于支持向量机的时间序列预测模型分析与应用[J];系统工程与电子技术;2005年03期

【共引文献】

相关期刊论文前10条

1 付小利;王晓乐;吕乾勇;金炜东;;并行化的高速列车运行状态评估[J];计算机工程与设计;2016年07期

2 罗薇;符卓;伏爱兰;;基于不稳定时间序列分析的设备备件需求预测方法[J];系统工程;2016年06期

3 陈法法;李冕;肖文荣;钟先友;;基于局部切空间排列与WSVM的滚动轴承故障诊断[J];组合机床与自动化加工技术;2016年06期

4 郭明;朱莉;黄薏舟;;股指期现货价格波动及相关性研究[J];经济经纬;2016年03期

5 刘刚;扈文秀;章伟果;贾丽娜;;随机交易行为、羊群行为与资产价格波动研究[J];管理科学;2016年02期

6 李成;张琦;李文乐;;汇改后中国外汇市场与资本市场联动效应——基于集合经验模态分解法[J];北京理工大学学报(社会科学版);2016年02期

7 尹勋;张新燕;常喜强;赵理威;王衡;;基于AR-Hankel矩阵的风力发电机早期故障诊断方法研究[J];可再生能源;2016年01期

8 徐廷学;丛林虎;董琪;;基于UGM-ULSSVM的导弹制导控制系统状态预测方法[J];上海交通大学学报;2015年12期

9 索海龙;高建民;高智勇;刘元浩;;多源信息分级优化备件需求预测模型[J];中国科技论文;2015年22期

10 王腾;熊仲华;杜庆治;邵玉斌;;基于马尔可夫链的河流水质污染预测模型研究[J];安徽农业科学;2015年27期

【二级参考文献】

相关期刊论文前10条

1 彭畅;柏林;谢小亮;;基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法[J];振动与冲击;2012年20期

2 郝慧艳;孙运强;李晓峰;刘明杰;;基于EEMD和Choi-Williams分布的侵彻加速度信号时频分析[J];中北大学学报(自然科学版);2012年05期

3 池丽旭;张广胜;庄新田;宋大雷;;投资者情绪指标与股票市场——基于扩展卡尔曼滤波方法的研究[J];管理工程学报;2012年03期

4 朱帮助;王平;魏一鸣;;基于EMD的碳市场价格影响因素多尺度分析[J];经济学动态;2012年06期

5 阮连法;包洪洁;;基于经验模态分解的房价周期波动实证分析[J];中国管理科学;2012年03期

6 鲁训法;黎建强;;中国股市指数与投资者情绪指数的相互关系[J];系统工程理论与实践;2012年03期

7 吴石;刘献礼;王艳鑫;;基于连续小波和多类球支持向量机的颤振预报[J];振动.测试与诊断;2012年01期

8 刘金培;林盛;郭涛;陈华友;;一种非线性时间序列预测模型及对原油价格的预测[J];管理科学;2011年06期

9 张军峰;隋东;;基于稀疏型支持向量回归的时间序列预测[J];系统工程学报;2011年05期

10 李彬;李贻斌;;基于ELM学习算法的混沌时间序列预测[J];天津大学学报;2011年08期

【相似文献】

相关期刊论文前10条

1 殷书炉;杨立勋;;旅游需求预测方法与模型评述[J];甘肃省经济管理干部学院学报;2008年03期

2 景崇毅;;航空公司航线需求预测方法综述[J];经营管理者;2009年23期

3 陈新佑;;耐用商品需求预测方法[J];预测;1985年Z1期

4 孙林岩;关于人才需求预测方法的探讨[J];预测;1988年01期

5 谭鲁芳;;美国劳动力需求预测方法[J];职业技术教育;1996年05期

6 谭鲁芳;;美国劳动力需求预测方法[J];职业技术教育;1996年06期

7 应淑芳;;能源需求预测方法的研究[J];数量经济技术经济研究;1985年05期

8 李博;靳取;;三种能源需求预测方法的比较分析——以四川省为例[J];吉林工商学院学报;2009年01期

9 向爱兵;;运输需求预测方法和模型比较研究[J];综合运输;2010年01期

10 张长征;社会主义市场经济条件下的人才需求预测方法[J];石家庄经济学院学报;2002年02期