[发明专利]基于BP-SVR组合模型的船舶备件需求预测方法及系统

说明书

本发明提供一种基于BP‑SVR组合模型的船舶备件需求预测方法及系统，涉及船舶备件需求预测技术领域。本发明首先基于BP模型和SVR模型分别对船舶备件历史消耗数据进行横向和纵向预测，以获取横向预测结果和纵向预测结果，然后基于上述横向预测结果和纵向预测结果利用网格搜索算法确定BP‑SVR组合模型中BP模型和SVR模型的最优权重占比，最后基于最优权重占比的BP‑SVR组合模型进行船舶备件需求预测。本发明利用不同单个模型在预测时处理数据不同特点时的优势，可从船舶备件历史消耗数据的不同角度获取船舶备件需求预测结果，其最终的综合预测结果相比于单个模型更加精准。

技术领域

本发明涉及船舶备件需求预测技术领域，具体涉及一种基于BP-SVR组合模型的船舶备件需求预测方法及系统。

背景技术

船舶行业的快速发展，让中国船舶制造业在市场中所占的比重也明显提升，同时也衍生出一系列问题，船舶相关的装备备件库存控制问题是船舶制造业中一个比较常见的问题。备件库存控制的一个基本要素是精准的备件需求预测，船舶备件需求预测的优劣将会对装备备件维修保障费用和战备完好性产生显著影响。然而由于船舶备件需求的非线性、灰色性特点，致使船舶备件消耗的量化非常复杂。

目前，一方面，舰船备件供应商通常根据经验确定备件需求，然而这种基于主观经验的方法是一个随机的、盲目的过程，其预测结果不准确；另外，也有利用各种数学模型对舰船备件进行预测的方法，但是，船舶备件需求存在非线性、灰色性等复杂特点，使得现有的基于单个模型进行舰船备件预测的预测结果并不理想。

舰船备件实际消耗量低于预期会导致大量备件积压；而关键舰船备件短缺又会导致船舶制造工作的正常开展，而解决这些问题的关键是准确预测备件需求。所以，亟需一种具有较高预测精度的舰船备件需求预测技术来解决现实存在的问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于BP-SVR组合模型的船舶备件需求预测方法及系统，解决了现有技术中船舶备件需求预测结果不准确的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明首先提出了一种基于BP-SVR组合模型的船舶备件需求预测方法，该方法包括：

基于BP模型和SVR模型分别对获取的船舶备件历史消耗数据进行船舶备件需求预测以获取BP模型预测结果和SVR模型预测结果；

基于所述BP模型预测结果和SVR模型预测结果，利用网格搜索算法确定BP-SVR组合模型中BP模型和SVR模型的最优权重占比；

基于所述最优权重占比的BP-SVR组合模型进行船舶备件需求预测。

优选的，所述基于BP模型和SVR模型分别对获取的船舶备件历史消耗数据进行船舶备件需求预测以获取BP模型预测结果和SVR模型预测结果包括：

S11、获取近T年内每个月的船舶备件历史消耗数据；

S12、基于BP模型训练集对所述BP模型进行训练，并基于BP模型测试集利用训练好的BP模型得到所述BP模型测结果；基于SVR模型训练集对所述SVR模型进行训练，并基于SVR模型测试集利用训练好的SVR模型得到SVR模型预测结果；

其中，将近(T-1)年的不同年份的相同月份的所述船舶备件历史消耗数据作为所述BP模型训练集，将第T年的不同年份的相同月份的所述船舶备件历史消耗数据作为所述BP模型测试集；

将近(T-1)年相同年份的不同月份的所述船舶备件历史消耗数据作为所述SVR模型训练集，将第T年相同年份的不同月份的所述船舶备件历史消耗数据作为所述SVR模型测试集。