基于PCA和SVM的备件需求预测模型

姚菲; 张翼

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

基于PCA和SVM的备件需求预测模型

首发时间：2013-11-28

姚菲 ¹
姚菲(1989-),女,硕士研究生,主要研究方向:预测与决策优化理论
张翼 ¹
张翼(1962-),男,副教授,研究方向:系统工程在管理中的应用

1、北京邮电大学经济管理学院,北京,100876

摘要：针对目前大量零值的备件预测方法精度不高的问题本文提出了主成分分析和支持向量机回归相结合的方法，对需求进行预测。首先整理分析备件的历史消耗数据进行主成分分析，得到主成分数据序列，其次，根据主成分数据序列建立训练集训练支持向量机，得到主成分预测结果，转化为备件的需求数据作为支持向量机的输入，从而预测备件的需求数据。将算法运用于某潜艇的指挥系统从不常用备件的预测中，结果显示该模型能够较准确的预测备件的需求量。

关键词：备件库存管理及优化需求预测支持向量机主成分分析

For information in English, please click here

Principal component analysis and support vector machines-based spares forecasting model

Yaofei ¹
姚菲(1989-),女,硕士研究生,主要研究方向:预测与决策优化理论
Zhangyi ¹
张翼(1962-),男,副教授,研究方向:系统工程在管理中的应用

1、School of Economics and Management,Beijing University of Post and Telecommunications,Beijing,100876

Abstract：Aiming at the lack of history data of low consumption spare parts, a combined mathord based on principle component analysis and support vector machines was proposed to forecast spare parts consumption.First,principle component analysis is used to reduce the data dimension when multi-factors are analysis,the secleted principal components were taken as input of SVM while output was consumption.The model was used to forcast a low consumption spare of submarine command system,the result turned out that the model can predict the consumption with high accuracy.

Keywords： Spares management and optimization demand forecasting SVM PCA

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

姚菲，张翼. 基于PCA和SVM的备件需求预测模型[EB/OL]. 北京：中国科技论文在线 [2013-11-28]. https://www.paper.edu.cn/releasepaper/content/201311-599.

No.****

同行评议

共计0人参与

全部评论

0/1000

论文编号	201311-599
论文题目	基于PCA和SVM的备件需求预测模型
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.