基于时序数据双重变换的备件需求预测方法

在系统分析备件需求间断性特征及传统预测方法应用条件的基础上,重点关注时序性历史数据的准确性和使用前提,提出了序列基准化-BP预测模型,分别利用两组转换处理使样本数据实现精细化的同时,符合时序预测方法对环境因素相似性的要求。第一组数据转换,利用数据重构的方法将间断性的需求序列转换为连续的时间间隔序列,降低了需求间断性对预测精度的影响,同时使预测目标转换并简化了预测过程;第二组数据转换,利用SVM构建序列基准化转换网络,将历史数据统一转换为基准环境下的需求信息,再输入BP时序预测网络中获得最终预测值。通过实例数据在相关预测模型中的应用比较,此方法在提高预测精度方法具有更好的有效性和可行性。