基于预防性维修的农机备件需求预测问题研究

发布时间：2021-11-22 15:14

　　随着农业机械的快速发展,对备件需求量进行预测是保证农业机械及时维修的关键。根据农机备件的特点,本文提出应用PCA-SVR方法进行农机备件需求预测。首先,分析影响备件需求的因素,建立影响农机备件需求量的指标体系;其次,构建PCA-SVR预测模型;最后,针对某品牌农机备件开展实证研究,将影响农机备件需求量的9个因素通过PCA降维成4个主成分,随后应用SVR方法进行预测,研究结果表明,该方法的预测值与实际情况相比误差较小,本文提出的PCA-SVR方法在MAE、RMSE和MAPE值分别是950.86、1 424.78和15.88,分别比线性回归模型以及随机森林模型的MAE、RMSE和MAPE值小607.45、1 830.83,451.1、1 753.88以及6.1、1.46,说明其具有优越性。 

【文章来源】：中国农机化学报. 2020,41(06)北大核心

【文章页数】：6 页

【部分图文】：

PCA-SVR的具体步骤

根据PCA提取的影响液压系统换向阀需求量的关键指标,从样本数据中随机选取65%的数据作为训练集,建立预测模型,剩余35%的数据作为测试集,检验模型的精确度和推广能力。对模型进行参数寻优能够解决机器学习的“欠学习”和“过学习”问题, 提高模型的泛化能力。因此,本文应用Python机器学习库中的GridsearchCV方法进行参数寻优。GridsearchCV运用十折交叉验证寻得了在测试集上效果最佳的SVR模型参数,参数设置为:核函数选择高斯径向基核函数,惩罚参数C的值为1,参数gamma的值为0.1,参数epsilon的值为0.01,从而便构建了一个具有最优参数的SVR模型。SVR模型在训练集及测试集上的预测效果如图2所示,其中x表示训练集或测试集中的第几个样本,y表示农机备件数量预测值。由图2可知,SVR模型在训练样本及测试样本上的拟合效果较好,真实值与预测值曲线基本重合,误差较小。其中,模型在测试集上的均方误差为0.000 589,在训练集上的均方误差为0.000 206。为检验该模型的预测精度,本文将PCA-SVR模型与线性回归模型以及随机森林模型进行了对比,运用SVR模型得到的液压系统换向阀需求量预测值曲线与真实值曲线基本重合,拟合效果较好。而线性回归模型在2018年3月至2018年9月间液压系统换向阀需求量预测值较准确,但2018年10月至2019年3月预测值与真实值之间产生了一定偏差。2018年10月之后,随机森林模型的预测值曲线与真实值曲线产生了较大的偏差。为进一步定量分析各个模型预测效果与真实值的偏差程度,本文采用了平均绝对误差(MAE)、均方根误差(RMSE)及平均绝对百分误差(MAPE)三个评价指标,结果如表5所示。

【参考文献】：
期刊论文
[1]基于NSTPNT的风电系统可靠性对风电预测误差灵敏度[J]. 李生虎,董王朝.  系统工程理论与实践. 2019(05)
[2]基于DTW相似判定的周期性时间序列预测方法[J]. 李文海,程佳宇,谢晨阳.  计算机科学. 2019(05)
[3]基于GM-SVR的小样本条件下化工设备可靠性预测[J]. 赵江平,丁洁,陈敬龙.  中国安全生产科学技术. 2019(01)
[4]广东省果园机械维修服务现状及发展对策[J]. 郑锐禹,王海林,尹鸿超,王浩,李晟,邓若玲.  中国农机化学报. 2017(06)
[5]全国农机维修服务能力研究[J]. 温芳.  中国农机化学报. 2015(06)
[6]基于支持向量机的农机装备水平差异分类研究[J]. 袁玉萍,安增龙.  中国农业大学学报. 2015(04)
[7]农业机械产品安全风险评价方法研究[J]. 杨欣,孙萍,魏津瑜.  中国农机化学报. 2015(04)
[8]基于混沌时间序列局域模型对农机总动力的预测[J]. 张静,杨宛章.  中国农机化学报. 2014(05)
[9]我国农机生产企业维修服务能力现状分析[J]. 王扬光,温芳,田金明,叶宗照.  中国农机化学报. 2014(03)
[10]基于PCA-BP神经网络方法的供应商选择[J]. 刘增明,陈运非,蒋海青.  工业工程与管理. 2014(01)



本文编号：3511953