基于支持向量机的备件需求预测研究

发布时间：2025-03-15 07:33

　　 针对传统以统计学为基础的预测方法难以解决小样本预测精度不高的实际问题,将支持向量机回归原理应用到备件需求预测领域,构建基于支持向机备件需求预测模型,以及需求预测结果准确率的评价指标。以实际数据为例,分别运用了指数平滑法、网格搜索法优化参数的支持向量机和遗传算法优化参数的支持向量机进对重点备件的需求量进行预测,验证了遗传算法优化的支持向量机预测性能的先进性。结果证明将支持向量机理论应用到备件保障领域具有重要的实用价值。

【文章页数】：5 页

【部分图文】：

图3对比可知，通过极差变换归一化处

数据得到备件的需求趋势图，如图2所示。表1备件历史需求数据时间（年）需求量（个）20005200172002620038200410200492006820079200811200913图2备件历史需求数据利用极差变换法，将备件历史需求数据进行归一化处理，得到表2。表2备件归一化....

图5网格搜索法对支持向量机参数寻优图

第48卷图4备件需求量预测——指数平滑法运用支持向量机回归原理进行需求量预测［14～15］。选择RBF核函数作为核函数，采用网格搜索法对惩罚系数C和核参数g进行优化，选择C=1024，g=0.0315。得到网格搜索法对支持向量机参数寻优图及备件需求量预测，如图5和图6所示。图5网....

图7适应度函数

选择RBF核函数作为核函数，采用网格搜索法对惩罚系数C和核参数g进行优化，选择C=1024，g=0.0315。得到网格搜索法对支持向量机参数寻优图及备件需求量预测，如图5和图6所示。图5网格搜索法对支持向量机参数寻优图图6备件需求量预测—SVM—RBF核函数由图6可知，预测曲线对....

本文编号：4035391