一种装备维修器材需求预测方法

摘要

本发明提出一种装备维修器材需求预测方法，获取历年装备维修器材需求数据，进行预处理后，作为训练集数据；采用聚类方法对训练集数据进行分类，分类完成的分类结果输入分类器中，判断不同分类类型对应的类别；根据数据类别构建训练向量集，运用支持向量回归机，对未来若干年的装备维修器材需求数据进行预测。本发明将不同时间起点、相同时间长度的装备维修器材消耗数据考虑为模型训练集的数据点，通过AP聚类迭代算法对训练数据进行分类，识别训练数据集内的干扰因素，同时建立标签训练集，运用SVM针对测试数据点进行识别，提升SVR预测结果的可靠性。通过本发明，能够得到更为可靠的器材需求预测结果，同时减少噪声数据对于结果的干扰。