[发明专利]地面复杂电子装备抢修备件需求预测模型

说明书

本发明涉及预测具体装备抢修备件需求的方法领域，具体的说是地面复杂电子装备抢修备件需求预测模型，包括以下步骤：一、地面复杂电子装备损伤数据库构建；二、基于装备损伤数据的预测机训练；三、抢修备件需求预测。通过机器学习对大量装备损伤数据进行训练，可以提炼出装备损伤的出现规律，借助这种规律可以对具体装备的损伤情况进行预测，从而得出抢修备件的需求。

技术领域

本发明涉及预测具体装备抢修备件需求的方法领域，具体说是地面复杂电子装备抢修备件需求预测模型。

背景技术

抢修备件是地面复杂电子装备实施战场抢修的重要物资基础，是战时提高装备再生能力、保持战斗力的重要因素。能否及时有效地提供备件，直接关系到战场抢修工作能否顺利进行，进而影响装备的战备完好率。上述问题即为抢修备件需求的精准保障问题。不管是计算机仿真、实装实验数据，还是实际作战数据，都表明装备的损伤部位和部件具有一定的规律性。因此，本发明提出一种基于装备损伤数据的地面复杂电子装备抢修备件需求预测模型，给出装备损伤数据库的构建方法和学习训练过程。

发明内容

针对现有技术中的问题，本发明提供了地面复杂电子装备抢修备件需求预测模型。

本发明解决其技术问题所采用的技术方案是：地面复杂电子装备抢修备件需求预测模型，包括以下步骤：

(1)地面复杂电子装备损伤数据库构建

在地面复杂电子装备损伤表中，选取“入库编号”作为表的主键，不能为空，其它属性根据损伤数据获取情况进行确定；

(2)基于装备损伤数据的预测机训练

利用机器学习算法进行地面复杂电子装备损伤的智能训练，其过程是：

1)在给定训练参数条件下，通过训练数据的训练，生成预测机；

2)把待目标数据输入到预测机，输出预测结果；

3)根据预测结果，考虑是否将新数据加入训练样本库；

4)训练流程中的训练样本数据取自于地面复杂电子装备损伤数据库，在地面复杂电子装备损伤数据表和损伤等级表中，根据公共关键字“损伤等级”，建立损伤值与地面复杂电子装备损伤数据之间的关联，生成预测模型学习训练样本表；

5)在预测机训练样本表中，训练样本数据主要由装备分系统损伤数据和装备损伤值组成，每个分系统损伤数据又由子系统和功能单元损伤数据构成；

6)由此生成的训练样本表在数据库中的数据样式，其中“数据来源”和“训练标志”作为数据参与训练学习的选择条件；

7)在训练样本表中，每组数据的分系统损伤数据不一定都参与训练，而是根据实际分系统选择要求，对训练样本表中的损伤数据进行相应的组合，形成训练数据；

(3)抢修备件需求预测

根据生成的预测机，构建预测模型，进行地面复杂电子装备抢修备件需求预测：

a.模型模块

输入模块包括装备战损数据库、装备规范化结构、装备损伤模式，装备战损数据；

输出模块包括备件需求；

b.模型工作机制

首先利用装备战损数据库进行学习训练，生成备件需求预测模型；

然后将具体型号的装备战损数据输入到预测模型；

最后输出装备备件的需求情况；

c.模型功能