基于支持向量机的制造系统成品需求短期预测模型研究

发布时间：2021-05-22 02:43

　　制造系统成品需求短期预测实际上是对受噪音影响的小样本多维非线性销售时序进行预测。支持向量机（SVM）方法已被广泛应用于对非线性销售时序进行预测研究,并已取得很多成果。因此本文在SVM方法的基础上,针对多因素,含噪声及小样本这三种情形分别提出了新的求解方法以弥补基本SVM算法的不足之处。首先针对受多因素影响非线性销售时序进行预测时,本文通过扩展高斯（RBF）核函数,得到了一种基于扩展的RBF核支持向量机的制造系统成品销售预测模型。然后针对含噪声影响非线性销售时序进行预测时,分别从对不敏感损失函数ε进行迭代和自适应分段两个方面,重点研究了基于迭代的支持向量机和具有自适应分段损失函数的支持向量机的制造系统成品销售预测模型。最后,针对小样本非线性销售时序进行预测时,通过对不同样本点两两之间间隔的比对,提出了一种基于样本点间隔的支持向量机的制造系统成品销售预测模型。同时,设计了基于免疫算法的支持向量机模型参数辩识方法,通过与标准支持向量机和神经网络等传统模型的比较,验证了本文所提出的短期预测模型的有效性。具体说来,主要在如下四个方面进行了研究:（1）针对制造系统成品销售时序具有多维度、非线性的特... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：95 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景、意义及国内外现状
    1.2 常用预测模型
        1.2.1 基于回归分析的预测模型
        1.2.2 基于时间序列分析法的预测模型
        1.2.3 基于灰色理论的灰预测模型
        1.2.4 基于神经网络的预测模型
        1.2.5 基于支持向量机的预测模型
    1.3 基于支持向量机的制造系统成品需求短期预测
        1.3.1 基于扩展的RBF核支持向量机的制造系统成品销售预测模型
        1.3.2 基于迭代的支持向量机的制造系统成品销售预测模型
        1.3.3 基于自适应分段损失函数的支持向量机的制造系统成品销售预测模
        1.3.4 基于样本点间隔的支持向量机的制造系统成品销售预测模型
    1.4 本文的结构
第二章 基于扩展的RBF核支持向量机的制造系统成品销售预测模型
    2.1 引言
    2.2 扩展的RBF核支持向量机
        2.2.1 v-支持向量机
        2.2.2 扩展的RBF核支持向量机(ERBF-SVM)
    2.3 免疫算法
        2.3.1 亲和力设计
        2.3.2 动态繁殖算子
    2.4 应用实例
        2.4.1 参数设置
        2.4.2 比较准则
        2.4.3 实验结果
    2.5 本章结论
第三章 基于迭代的支持向量机模型的制造系统成品销售预测研究
    3.1 引言
    3.2 ε-支持向量机
    3.3 迭代支持向量机(Iε-SVM)
        3.3.1 更新样本集信息
    3.4 仿真实验
        3.4.1 数值算例
        3.4.2 应用实例
    3.5 本章结论
第四章 基于具有自适应分段损失函数支持向量机的产品销售预测模型
    4.1 引言
    4.2 自适应分段ε支持向量机(ASε-SVM)模型
        4.2.1 支持向量机
        4.2.2 自适应分段ε支持向量机(ASε-SVM)
    4.3 分段ε的计算方法
    4.4 仿真实验
        4.4.1 数值算例
        4.4.2 应用实例
    4.5 本章结论
第五章 基于样本点间隔的支持向量机的制造系统成品销售预测模型
    5.1 引言
    5.2 基于样本点间隔的支持向量机
        5.2.1 普通支持向量机模型
        5.2.2 基于样本点间隔的支持向量机(IoS-SVM)
    5.3 仿真实验
        5.3.1 数值算例
        5.3.2 应用实例
    5.5 本章结论
第六章 总结与展望
    6.1 全论文工作总结
    6.2 需进一步研究的问题
    6.3 论文写作后记
参考文献
作者简介
攻读博士学位期间发表、录用或投出的学术论文
致谢



本文编号：3200827