一种系统自适应的预测方法技术方案

本发明专利技术属于需求预测技术领域，具体为一种系统自适应的预测方法。本发明专利技术利用多个预测模型对结果进行预测，具体步骤包括：整理预测数据；采用不同预测模型对数据进行预测；对比不同预测结果；选定预测模型；所述的预测模型包括：移动平均法，指数平滑法，可靠性寿命计算预测法，间断性需求预测法，Croston预测法。实验表明，本发明专利技术能够有效地在历史数据上，分析出最优定价方案。可应用于航空航天材料、医疗仪器材料、贵重仪器材料定价策略的制定等各个领域。

A System Adaptive Prediction Method

【技术实现步骤摘要】
一种系统自适应的预测方法
本专利技术属于需求预测
，具体涉及一种通过系统自适应的预测方法。
技术介绍
需求预测是一个复杂的工作过程，既要掌握保障任务量的变化、过去和现在的统计资料、产品质量、市场行情及各种资料，又要发挥航材工作人员的主观能动性，对未来状态作出前如其分的估计。航材需求预测工作必须有计划、有步骤的进行，做到不重复，不遗漏，有条不紊，提高工作的效率和质量。一般可分为以下几个步骤：第一步，确定预测对象。由于预测对象、时间、范围不同，航材需求预测采用的分析方法也不一样。资料数据收集的要求也就不同。因此，航材需求预测首先要明确预测对象，明确预测范围、实践和要求等。航材需求预测主要选择那些消耗量大、价格贵、占用资金多、对部队作战和飞行训练影响大的设备和器材作为重点预测对象。第二步，收集与分析资料。航材需求预测要广泛收集影响预测对象的内部与外部、历史与现在的各种有关资料作为预测的依据。资料主要从航材部门的文件、计划、统计报表、原始记录中收集。另外，为了掌握某项器材消耗情况，我们可以对器材从出厂到装机使用。直到最终报废的各个环节进行跟踪调查；为了掌握某类器材的市场货源情况，也可以采取抽样调查，重点调查或普查等方式来获取资料。对收集的资料，必须根据预测的目的与要求，进行分析、整理、检查资料的完整性和可靠性，剔除偶然因素。第三步，选择预测方法。预测的方法有多种多样，选择什么预测方法必须根据预测的目的要求，结合资料数据及预测结果的置信度来考虑，同时要注意预测所花的费用，所花的时间等要素。为了对比分析，提高航材需求预测的准确性，一般对同一对象应选择不同的预测方法进行预测，这样便于对比分析，提高预测结果的应用价值。第四步，建立预测模型。航材需求预测工作的核心是建立尽可能逼近客观实际的数学模型。航材需求预测模型依据被预测对象与其影响因素的关系可分为三大类。第一类，因果关系类预测模型。该模型的特点是在被预测的对象与其影响因素之间保持着某种固定的因果关系。第二类，时间序列预测模型。在该类模型中，被预测对象的演变过程为一时间序列，或者是时间变量的函数。第三类，组合预测模型。在该模型中，被预测对象既与其影响因素有关，又与时间季节相关。上述介绍的是一般预测模型．在对具体对象进行预测时，必须对模型进行改进和完善，改进和完善的重点是根据历史资料和数据进行各种参数的选定，只有选定了合适的预测参数，才真正建立起针对具体对象的预测模型。第五步，进行预测。建立了预测模型以后，可以根据历史资料对选定的预测对象进行预测。第六步，分析预测结果。在得到预测记过后，必须对其进行分析，分析的重点是其准确性，也就是预测结果的置信度。置信度的确定主要应用统计理论中的误差分析，这里不再详述。根据误差分析结果，可以确定预测结果能否作为筹措的依据。航材拆换是否发生具有2个特征，一是发生时间随机性，在特定长的时间里，航材拆换发生或不发生都有可能。一是发生次数随机性，如果发生拆换，拆换次数是不确定的。使用这2个特征可对航材进行分类。设ADI所为平均需求间隔，CV2为航材拆换数据变异系数的平方。根据这2个指标的值可把部件拆换次数分为如专利技术书附图2所示的4类，即连续型需求、间歇型需求、块状型需求、随机型需求。专利技术书附图2中的临界值是Syntetos通过大量数据分析得到的实证结果，其中平缓型需求ADI，和CV2较小，数据稳定，容易预测。而块状型需求ADI和CV2较大，数据波动大，需求变异系数大，最难预测。连续型需求，指航材需求数量变化不大，可以根据航材拆换次数的散点图来确定航材需求是否有季节性周期影响，若无影响，可采用移动平均法、趋势外推法、指数平滑法来预测。此外，还可根据影响航材需求的因素，运用回归分析法对飞行小时或起降架次与拆换次数进行相关度判断，若存在高相关，可使用最小二乘法进行预测。若散点图中表现出季节性的周期性变动，即表现为逐年同月或同季有大致相同的变化方向和幅度，则可使用直线方程和季节指数预测方法、回归分析和季节指数预测方法和温特斯指数平滑方法。间歇性需求，是航材需求中较普遍的特征，对于间歇型需求，主要的预测方法有加权移动平均方法，指数加权移动平均方法、Croston方法、Bootstrap方法、灰色预测方法和贝叶斯方法，其中贝叶斯方法对样本要求较高，不具有通用性。块状型需求，是这几种需求中最难预测的。目前对于块状型需求适用的预测方法有季节回归方法、加权移动平均方法、Croston方法、指数加权移动平均方法、趋势调整指数平滑方法、人工神经网络等。由于国内对需求类别的认识与划分和国外不同，因此目前国内普遍将块状型需求归于间歇型需求来考虑，一般根据间歇型需求的预测方法对其进行预测。随机型需求，数量变化大，具有很高的不确定性。目前的预测方法有ARIMA方法、支持向量机方法、人工神经网络方法和修正后的Croston方法。
技术实现思路
本专利技术的目的在于提出一种预测效果好、操作方便的系统自适应预测方法，可用于航空航天材料、医疗仪器材料、贵重仪器材料定价策略的制定等各个领域。本专利技术提出的系统自适应预测方法，利用多个预测模型对结果进行预测，具体步骤如下：（1）整理预测数据；（2）通过不同预测模型对数据进行预测；（3）对比不同预测结果；（4）选定预测模型。步骤（2）中所述的预测模型包括：基于移动平均方法，指数平滑方法，可靠性寿命计算预测方法，间断性需求预测方法，Croston预测方法，等等；下面进一步介绍各步骤的具体内容。（1）整理预测数据针对目前国内外对航材普遍认同的几种分类，分析和总结适用于不同类型的航材需求预测方法。慢速流动备件和初始航材，属于无历史数据可查的一类航材；相对的一类航材是流动速度快、历史数据记录齐全的备件；对于新设备，没有历史使用数据，但该设备的发展具有同源性和继承性，可以利用相似设备备件的需求数据进行分析和推断；同时还需考虑备件的可维修特性，将备件分成可维修和不可维修两类；另外，使用频次低、间隔期长且需求不确定等特征的备件，定义为不常用航材，将不常用备件需求定量分为间歇性需求、随机性需求、块状需求三类。因此航材分类总结如下，共四种不同的分类原则：有无运行历史数据，有无相似机型，可维修与不可维修，常用与不常用。航材需求分类如附图1所示。具体如下：航材需求分类为：按有无历史数据，分为无历史数据、有历史数据两种；对于为无历史数据的，分为有相似机型、无相似机型的两种；对于有相似机型的，分为可维修的、不可维修的两种；其中，可维修的又分为A类周转件、B类周转件、C类周转件；不可维修归为D类消耗件；对于无历史数据和无相似机型的，分为常用备件、不常用备件；对于常用备件，定义为连续型需求，对于不常用备件，分为间歇型需求、随机型需求、块状型需求。这里，A-D分类的定义如下：A类，为高价周转件，数量约占库存总量的10%左右，价值占库存总价值的70%；B类，为价格较高或中等的周转件，该类航材约占库存总量的20%，价值约占20%；C类，为价格较低的周转件；D类，为消耗件。需求类型的定义如下：连续型需求，有相对稳定固定的需求，每段时间都会有损耗，经常需要准备的备件需求。间歇型需求，有相对固定的时间间隔，每隔一个时间间隔就要准备的备件需求。随机型需求，备件损耗为随机的本文档来自技高网...

【技术保护点】
1.一种系统自适应的预测方法，其特征在于，利用多个预测模型对结果进行预测，具体步骤如下：（1）整理预测数据；（2）采用不同预测模型对数据进行预测；（3）对比不同预测结果；（4）选定预测模型；步骤（2）中所述的预测模型包括：移动平均法，指数平滑法，可靠性寿命计算预测法，间断性需求预测法，Croston预测法。

【技术特征摘要】
1.一种系统自适应的预测方法，其特征在于，利用多个预测模型对结果进行预测，具体步骤如下：（1）整理预测数据；（2）采用不同预测模型对数据进行预测；（3）对比不同预测结果；（4）选定预测模型；步骤（2）中所述的预测模型包括：移动平均法，指数平滑法，可靠性寿命计算预测法，间断性需求预测法，Croston预测法。2.根据权利要求1所述的系统自适应的预测方法，其特征在于，步骤（1）所述的整理预测数据，具体流程为：对航材按如下四种不同的原则分类：有无运行历史数据，有无相似机型，可维修与不可维修，常用与不常用；具体如下：航材需求分类为：按有无历史数据，分为无历史数据、有历史数据两种；对于为无历史数据的，分为有相似机型、无相似机型的两种；对于有相似机型的，分为可维修的、不可维修的两种；其中，可维修的又分为A类周转件、B类周转件、C类周转件；不可维修归为D类消耗件；对于无历史数据和无相似机型的，分为常用备件、不常用备件；对于常用备件，定义为连续型需求，对于不常用备件，分为间歇型需求、随机型需求、块状型需求；这里，A-D分类的定义如下：A类，为高价周转件，数量约占库存总量的10%左右，价值占库存总价值的70%；B类，为价格较高或中等的周转件，该类航材约占库存总量的20%，价值约占20%；C类，为价格较低的周转件；D类，为消耗件；需求类型的定义如下：连续型需求，有相对稳定固定的需求，每段时间都会有损耗，经常需要准备的备件需求；间歇型需求，有相对固定的时间间隔，每隔一个时间间隔就要准备的备件需求；随机型需求，备件损耗为随机的，不稳定的；块状型需求，备件为一个零件组合，需要在不同时期准备不同类型的零件，零件又划分为不同类型的需求；对原始数据进行A-D的分类后...

【专利技术属性】
技术研发人员：刘宏刚，杨卫东，李洋，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31