基于BP神经网络和设备特性的工业设备备件需求预测

目前备件需求预测的研究在历史数据的选取和预测方法上存在诸多不合理,如缺少数据预处理及与忽视数据与设备的特性之间的关系,需要给予解决。在考虑不同备件之间需求相关性进行预处理的基础上,以某型大型空气压缩机为例,利用BP神经网络方法,对其备件历史需求数量的时间序列数据建立预测模型。最后将预处理后的历史数据输入到神经网络预测模型之中,并将模型的预测结果与未考虑备件之间需求相关性的预测结果进行比较,可以有效解决神经网络的"欠训练"问题,平均偏差率显著降低。