控制与决策

作者：范黎林,杨凯,毛文涛,罗铁军,刘洋硕,刘侠

单位：河南师范大学 计算机与信息工程学院,河南 新乡 453007;“智慧商务与物联网技术”河南省工程实验室,河南 新乡 453007,,河南师范大学 计算机与信息工程学院,河南 新乡 453007,,河南师范大学 计算机与信息工程学院,河南 新乡 453007;“智慧商务与物联网技术”河南省工程实验室,河南 新乡 453007,,株洲中车时代电气股份有限公司, 湖南 株洲 412000,,河南师范大学 计算机与信息工程学院,河南 新乡 453007,,河南师范大学 计算机与信息工程学院,河南 新乡 453007,

关键词：间歇性序列;需求预测;时间序列预测;结构化信息;时序信息;配件管理

基金：国家重点研发计划专项项目(2018YFB1701400)；河南省科技攻关项目(212102210103).

复杂装备制造企业的售后配件需求不定时发生、需求波动大,导致需求数据呈现典型的间歇性、小样本特点.当面对间歇性程度高、突发需求较大的序列时,现有预测模型难以准确捕获其需求波动规律,无法有效预测配件需求走势.为提高多组配件的预测精度和稳定性,同时考虑序列间结构化信息和序列自身时序演化信息,提出一种新的多变量间歇性时间序列预测方法.首先,提出一种基于张量的轻型梯度提升机模型,通过张量分解,重构原始需求数据,修正序列中的异常需求值,并利用轻型梯度提升机对多组序列进行联合预测;然后,构建一种新的线性衰减修正模型,将修正因子引入线性衰减指数平滑方法,对每条序列分别预测需求量和间隔区间;最后,将2个预测模型进行加权融合,得到最终预测结果.分别在2个复杂装备制造企业的售后配件需求数据集上进行实验验证,实验结果表明,与多个时间序列预测算法相比,所提出方法能够有效预测需求波动趋势,提升预测精度和数值稳定性.

来源：2024年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第1期