一种基于集成学习的装备后续备件需求预测方法

专利内容

本发明公开了一种基于集成学习的装备后续备件需求预测方法，属于机器学习领域技术领域，包括基于场景分析的理论和方法，对装备的使用和保障过程进行分析和数字化描述，获取影响备件需求的数字特征集合；基于随机森林算法对数字特征集合中特征的重要程度进行排序，获取最优数字特征集合；确定多个备选预测模型，基于GridSearchCV方法对各备选预测模型进行超参调优，获取调优后的备选预测模型；基于调优后的备选预测模型建立集成学习Stacking模型，并利用最优数字特征集合行训练和预测，获取装备后续备件需求数量的预测值。本发明克服了单一预测方法的片面和局限性，为进一步提高武器装备保障系统的高效性、及时性和实用性提供了技术支撑。G06Q10/04(2012.01);G06Q10/06(2012.01);G06Q50/26(2012.01);G06N20/20(2019.01)