基于动态集成学习的预制构件加工工时预测问题研究

编制预制构件生产计划时,生产过程中一些不可控因素会导致理论工时与实际工时存在偏差,进而使生产计划在执行时不能有效指导实际生产。为解决该问题,提出一种基于动态集成学习的预制构件加工工时预测方法。首先,采用长短期记忆深度学习模型作为基学习器,引入密度峰值聚类方法将训练集样本划分为多个子集合,并训练基学习器;然后,依据K近邻算法找出待测样本的近邻样本,根据其占子集合的比例,动态赋予各基学习器相应权值,实现多个基学习器联合预测;最后,通过预制构件的实际生产数据对所提方法进行仿真验证。结果表明,所提方法可以有效提升预制构件加工工时的预测准确率。