间歇性时间序列的可预测性评估及联合预测方法

在高端制造企业的运维业务中,配件需求随机发生,且伴随有大量的零需求阶段,同时,对应的配件需求数据量小,且呈现出间歇性和块状分布的特点,导致现有时间序列预测方法难以有效预测配件需求走势。为解决该问题,提出了一种间歇性时间序列的可预测性评估及联合预测方法。首先,提出了一种新的间歇相似度指标,通过统计两条序列中“0”元素出现的频次和位置,并结合最大信息系数和平均需求间隔等度量指标,有效评估了序列的趋势信息和波动规律,并实现了对间歇性序列可预测性的量化;其次,基于该指标,构建了一个间歇相似度层次聚类方法来自适应地筛选相似性高、可预测性强的序列,剔除极度稀疏、无法预测的序列;此外,探索利用序列间的结构化信息,并构建多输出支持向量回归(M-SVR)模型,从而实现小样本下的间歇性序列联合预测;最后,分别在两个公开数据集(UCI礼品零售数据集和华为电脑配件数据集)和某大型制造企业实际配件售后数据集上进行实验。实验结果表明,相比多个典型的时间序列预测方法,所提方法可有效挖掘各类间歇性序列的可预测性,提高小样本间歇性序列的预测精度,从而为制造企业配件需求预测提供了一种新的解决方案。

基于“互联网+”的大型机场智能导航与服务系统设计

随着人民生活水平的提高,大型机场客流量不断增长,机场的规模也变得越来越大。然而客流量的快速增长和机场规模的扩大使得现有机场所存在的问题暴露得越来越严重,同时也给机场的现代化管理与服务提出了巨大挑战。针对此问题,文章以Wi Fi定位技术和行为检测技术为核心,结合独立开发的便携式设备设计了基于"互联网+"的智能导航与服务系统。本系统实现了智能化导航和紧急救援等核心功能,解决了大型机场中存在的乘客容易迷路、登机误时、安全监测等严重问题,具有较强的应用价值。