首页 > 论文 > 电光与控制 > 19卷 > 3期(pp:100-105)

灰色关联支持向量机在备件库存消耗预测中的应用

Application of Grey Correlation SVM in Reserve Consuming Prediction of Spare Parts

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

备件库存消耗预测是多因素综合影响下的非线性、小样本预测问题,且不同备件消耗的影响因素有所差异。针对上述问题,提出了一种基于灰色关联分析和支持向量机回归相结合的备件库存消耗预测方法。首先利用灰色关联分析计算出各影响因子与备件库存消耗的灰色关联度,量化了各因子对备件库存消耗的影响程度;再将筛选出的主因子作为支持向量机的输入,并利用遗传算法对支持向量机参数进行寻优,避免人为选择参数的盲目性,从而有针对性地对机体不同备件进行预测。最后,通过实证分析,验证了该方法应用于备件库存消耗预测的有效性和优越性,预测精度高于传统的备件预测模型。

Abstract

The reserve consuming prediction of spare parts is a multi-factor influenced,non-linear and small-sample problem,and different spare parts have different influencing factors.Aiming at the problem,we proposed a method for predicting the consumption of reserved spared parts based on grey correlation analysis and Support Vector Machine (SVM).Firstly,grey relational degree between the influencing factors and the spare part consumption was calculated by grey correlation analysis,and the effect of each factor on the consumption was quantized.Then,the main factors gained were taken as input of SVM,and genetic algorithm was used to optimize the parameters of SVM to avoid blindness in parameter selection.Thus could make right prediction for different spare parts.Lastly,the model was proved to be effective for reserve consuming prediction of spare parts,which is higher in accuracy than other traditional models.

广告组6 - 调制器
补充资料

中图分类号:V271.4;TP181

所属栏目:工程应用

收稿日期:2011-04-10

修改稿日期:2011-05-18

网络出版日期:--

作者单位    点击查看

高鹍:空军航空大学研究生队,长春 130022中国人民解放军93115部队, 沈阳 110031
邢国平:空军航空大学训练部, 长春 130022
孙德翔:空军航空大学训练部, 长春 130022
黄勇:空军航空大学研究生队,长春 130022

备注:高鹍(1978-),男,辽宁沈阳人,硕士生,工程师,研究方向为航空装备管理。

【1】高钰榕,戚君宜,程世辉.季节指数法在装备维修用备件预测中的应用[J].装备指挥技术学院学报,2009,20(3):104-107.

【2】陈琦,马向阳,贺敏.备件需求量的灰色理论预测法[J].组合机床与自动化加工技术,2009(6):102-104.

【3】张冬,明新国,赵成雷,等.基于BP神经网络和设备特性的工业设备备件需求预测[J].机械设计与研究,2010,26(1):72-76.

【4】任博,张恒喜,苏畅.基于支持向量机的飞机备件需求预测[J].火力与指挥控制,2005,30(3):78-80.

【5】邓聚龙.灰色系统基本方法[M].武汉:华中科技大学出版社,2005.

【6】邓乃扬,田英杰.数据挖掘中的新方法—支持向量机[M].北京:清华大学出版社,2006.

【7】黄洁,张海.利用支持向量机的飞机目标检测[J].电光与控制,2008,15(9):6-9,28.

【8】马晨光,胡昌华,骆功纯,等.粗糙集和支持向量机在复杂电路系统诊断中的应用[J].电光与控制,2009,16(3):83-85,94.

【9】丁凯,方向,陆凡东.基于支持向量机的振动加速度峰值预测模型[J].探测与控制学报,2010,32(4):38-41.

【10】王世卿,曹彦.基于遗传算法和支持向量机的特征选择研究[J].计算机工程与设计,2010,31(18):4088-4092.

引用该论文

GAO Kun,XING Guoping,SUN Dexiang,HUANG Yong. Application of Grey Correlation SVM in Reserve Consuming Prediction of Spare Parts[J]. Electronics Optics & Control, 2012, 19(3): 100-105

高鹍,邢国平,孙德翔,黄勇. 灰色关联支持向量机在备件库存消耗预测中的应用[J]. 电光与控制, 2012, 19(3): 100-105

被引情况

【1】张帅,肖飞,徐吉辉,李季颖. 基于相似理论和贝叶斯理论的航材失效率确定. 电光与控制, 2015, 22(4): 83-87

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF