基于支持向量回归的服务备件需求量预测研究

随着市场竞争的日益激烈,售后维修服务成为一种有效的竞争手段.作为维修服务物质基础的备件,在服务中具有决定性的作用,所以服务备件物流管理在实践上得到越来越多的重视.本文将基于支持向量回归的数据挖掘方法,用于服务备件需求预测研究中.并结合实例,讨论了支持向量回归在汽车维修服务备件需求预测中的应用及其特点.     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

结合预分类的备件需求预测与订货批量计算

备件需求预测是企业订货管理的关键,为了使预测更加合理,提出了一种结合预分类技术的多元线性回归方法对备件需求进行预测,文中所指的预分类,就是利用备件的同源性和继承性,将工作原理相近,结构相似,工作环境相同,需求基本一致的备件分为一类,在预分类的基础上采用多元线性回归方法进行预测,然后依据预测结果计算备件的经济订货批量.     

电网建设项目物资需求预测研究

为满足电网建设项目物资需求管理的发展要求,在现有企业资源计划(ERP)系统完成上线并能够提供初步数据支持的基础上,针对如何依据电网建设项目里程碑计划中的基本工程建设指标,合理预测物资需求的问题,借助支持向量机模型(SVM)和人工鱼群算法(AFSA),构建了电网建设项目物资需求预测模型.在支持向量回归机的基础上,融合添加混沌搜索后的改进人工鱼群算法,优化了向量机核函数选取和参数设置,通过省级电网建设项目物资需求历史数据测试,模型预测结果满足实际使用要求,能够有效解决电网建设项目物资需求预测的问题.     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS-SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于小波变换和支持向量的国际原油价格预测

本文将小波分析与支持向量回归结合应用于国际原油价格预测,通过小波多尺度分析方法将油价时间序列分解为长期趋势和随机扰动项,然后采用支持向量回归对分解后的油价长期趋势进行预测。油价长期趋势的预测采用多因素预测方法,主要考虑市场供需基本面、库存、经济、投机等因素对石油价格走势的影响,建立多输入单输出的支持向量回归模型。实证研究表明,支持向量回归模型具有较高的预测性能,对原油价格长期趋势预测中,该方法比回归方法的预测精度高。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机（LS—SVM）算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于PSO-SVR的气膜薄壳钢筋混凝土穹顶储仓的工期预测

为客观、合理地进行气膜薄壳钢筋混凝土穹顶储仓的工期预测,提出了基于PSO-SVR的预测方法。采用粒子群算法(particle swarm optimization,PSO)对支持向量回归机(support vector regression,SVR)的参数进行优化,并运用优化后的支持向量回归机对气膜薄壳钢筋混凝土穹顶储仓的工期进行预测。通过实例验证表明:PSO-SVR模型的预测效果优于遗传算法(GA-SVR)和串联型灰色神经网络(SGNN)。     

基于支持向量机的舰艇部队作战油料消耗量预测研究

为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.     

论提高装备故障预测准确度的方法途径——先进智能预测算法研究

提高故障预测准确度的方法有很多,研究先进的智能预测算法就是其中的一种。大量的先进预测算法都得到了广泛的应用,如专家系统、神经网络、支持向量机等。每种智能预测算法都有各自的优点和不足,首先介绍了常见的智能预测算法及其应用;然后重点介绍了支持向量机,主要包括其基本原理和主要问题;最后对支持向量机算法的改进方向进行了探讨。支持向量机作为智能预测算法的一种,对于提高故障预测准确度有很好的应用前景。     

战时装备分散配置备件运行量优化研究

针对战时装备分散配置,随装备件与运行备件的使用方法不同的特点,本文对运行备件保障率进行了分析,将备件运行量优化问题理解为特殊的二级备件保障问题,建立了基于随装备件的运行备件保障率模型,给出了运行备件最优数量的通用计算公式。并给出了实例分析,验证了模型和算法,为装备分散配置的部队确定运行备件数量提供了决策依据。     

基于VIKOR法的VMI备件供应商优化选择

本文基于供应链环境下,备件供应商选择的复杂性,在进行备件分类管理的基础上分析了VMI对B类备件的适用性,构建了VMI备件供应商评价指标体系,运用VIKOR算法对备件供应商进行指标体系的评价。应用熵权法确定了相应的评价指标的权重,有效地避免评价过程中对指标赋权的主观性,最后实例证明了该方法在备件供应商选择中的有效性。     

战时备件申请时机和申请量研究

本文对剩余作战使用时间和备件获取时间进行分析,选定剩余作战使用时间为备件申请的约束条件。根据给定备件保障率,建立了备件申请时机和申请量模型,给出了计算公式。通过举例分析,验证了模型和算法。为战时备件申请问题提供了决策依据。     

U公司设备维修备件的分类方法研究

简单阐述了设备维修备件管理的目的与内容,结合U公司在设备维修备件的管理方法,分析了U公司在设备维修备件分类管理上存在的问题。针对现存的问题点,以ABC分类方法为基础,结合了实际的工作经验,为U公司的设备维修备件分类管理制定了一套新的方法。该方法设定了比较明确的标准和简单易行的打分方法,给U公司的设备维修备件的分类带来了一定的指导意义,便得U公司设备维修备件的分类管理在良性的状态下运行。     

基于模糊层次分析的备件重要性等级评价

将备件的可预测性、可得性、关键性和经济性作为评价指标;通过ABC分类确定指标权重,运用模糊层次分析法计算备件的组合权重;最终得出对备件的重要性排序。该方法可快速有效地找出重点备件,提高备件管理工作的针对性。通过算例验证,验证结果表明这种评价模型具有现实可行性。     

可修备件横向供应多级库存模型研究

系统费用最小,可用度最大一直是库存模型研究的核心问题。针对我军可修备件多级装备保障系统现实背景,在研究可修备件多级库存物理流程的基础上,以系统期望短缺数估计值最小为约束,优化可修备件库存配置,建立了可修备件横向供应多级库存模型。并且运用库存优化算法,对模型进行了仿真实验。     

基于模糊评价的备件ABC分类研究

为了弥补传统的ABC分类法单纯的以库存物资的单个品种的库存资金占整个库存物资资金的累积百分数为标准进行分类的缺点，提出了基于模糊评价的备件ABC分类法。采用该方法对某油田公司的备件进行分类，结果表明，该方法较之传统的ABC分类法，更能科学有效地找出众多备件中的关键备件，提高备件分类的有效性和备件管理的针对性。     

维修备件库存的两级优化研究

针对汽车维修备件的库存储备存在配置不合理的问题,提出了一种优化方法。该方法在遗传算法的基础上,采用仿真方法建立汽车的使用可用度模型,实现备件库存配置的两级优化,并实现了在满足备件库存成本约束的前提下,使汽车的使用可用度达到最大,即修复率的最大化。给出了应用该方法的具体步骤,并通过数值分析与讨论,验证了该算法的有效性。     

基于DEA的备件ABC分类模型

提出了一种基于DEA的维修备件ABC分类方法。该方法根据DEA中确定指标是输入（出）的原理，将备件的多个属性指标分成输入指标和输出指标，使得模型效率值大小能直接表示备件的重要程度，并根据相应的效率值对备件进行ABC分类。该方法不仅克服了传统ABC分类法存在的指标单一的缺陷，也解决了多指标之间数值量纲的不一致所产生的问题。该方法用于设备维修备件的分类，能科学有效地找出维修备件管理中的关键备件，提高备件分类的有效性和备件管理的针对性。