一种低频物料需求的多方案自适应择优预测方法及装置与流程
本申请涉及物流供应链管理与数据预测分析,特别是涉及一种低频物料需求的多方案自适应择优预测方法及装置。
背景技术:
1、动车组关键配件品种繁多,受运行环境及检修任务影响,需求表现出典型的间歇性与不确定性。为了在高保障率与低库存成本之间取得平衡,建立精准的备件预测机制是轨道交通运维的核心。
2、现有技术通常采用固定的统计模型对历史需求序列进行回测,并以单一的数值误差(如平均绝对误差)作为评价标准,据此选定预测模型并指导后续的补货决策。
3、然而,由于评估逻辑过于依赖历史均值,导致模型在面对复杂的检修工况波动时,往往表现出严重的“响应钝化”与预测信号失真。这种单一维度的评价体系无法有效捕捉需求特性的动态演变,导致预测结果难以在变动环境下提供可靠的决策支撑。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种提升预测结果的动态灵敏度与业务稳定性的低频物料需求的多方案自适应择优预测方法及装置。
2、第一方面,本申请提供了一种低频物料需求的多方案自适应择优预测方法,该方法包括:
3、获取目标物料的历史需求序列;
4、根据历史需求序列计算需求变异系数,并根据需求变异系数与预设阈值的量值关系,确定是否触发对预设的待选预测模型集合执行参数更新程序;
5、根据触发判定的结果,确定待选预测模型集合中各待选预测模型的当前参数状态;
6、利用处于当前参数状态的各待选预测模型,分别对历史需求序列执行回测计算,得到对应的多个候选预测结果;
7、利用多个候选预测结果与历史需求序列中对应时间点的实际需求值执行偏差计算,得到表征预测精度的基础评分以及表征近期表现稳定性的排序评分,并对基础评分与排序评分执行加权融合,确定各待选预测模型对应的综合分值;
8、根据各综合分值,从各待选预测模型中确定目标预测模型,并输出目标预测模型对应的候选预测结果。
9、第二方面,本申请提供了一种低频物料需求的多方案自适应择优预测装置,该装置包括:
10、序列获取模块,用于获取目标物料的历史需求序列;
11、触发判定模块,用于根据历史需求序列计算需求变异系数,并根据需求变异系数与预设阈值的量值关系,确定是否触发对预设的待选预测模型集合执行参数更新程序;
12、参数管理模块,用于根据触发判定的结果,确定待选预测模型集合中各待选预测模型的当前参数状态;
13、回测计算模块,用于利用处于当前参数状态的各待选预测模型,分别对历史需求序列执行回测计算,得到对应的多个候选预测结果;
14、多维评分模块,用于利用多个候选预测结果与历史需求序列中对应时间点的实际需求值执行偏差计算,得到表征预测精度的基础评分以及表征近期表现稳定性的排序评分,并对基础评分与排序评分执行加权融合,确定各待选预测模型对应的综合分值;
15、模型择优模块,用于根据各综合分值,从各待选预测模型中确定目标预测模型,并输出目标预测模型对应的候选预测结果。
16、本申请有益效果:1)本申请通过变异系数动态触发参数更新,实现了对动车配件消耗模式变化的敏锐捕捉。该机制有效克服了传统技术中预测模型反馈钝化的问题,确保了模型参数能够随工况演变而自主优化,使预测逻辑与实际检修环境保持高度契合;
17、(2)通过构建基础精度与近期稳定性的双重评估体系,本方案有效过滤了因近期波动剧烈而容易诱发失真信号的劣质模型。这种多维评分的加权融合机制显著降低了补货决策的偏差风险,为间歇性物料的科学储备与平衡库存提供了更具参考价值的决策支撑。
1.一种低频物料需求的多方案自适应择优预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述确定是否触发对预设的待选预测模型集合执行参数更新程序,包括:
3.根据权利要求2所述的方法,其特征在于,所述预设阈值是基于所述目标物料的业务属性确定的目标动态阈值,其确定过程包括:
4.根据权利要求1所述的方法,其特征在于,所述分别对所述历史需求序列进行预测计算,得到对应的多个候选预测结果,包括:
5.根据权利要求4所述的方法,其特征在于,针对所述第一类型的待选预测模型,所述得到对应的规模预测分量与概率预测分量,包括:
6.根据权利要求5所述的方法,其特征在于,所述动态调节所述第一类型的待选预测模型对所述需求规模子序列进行平滑计算时的规模平滑参数,包括:
7.根据权利要求1所述的方法,其特征在于,所述利用所述多个候选预测结果与所述历史需求序列中对应时间点的实际需求值执行偏差计算,得到表征预测精度的基础评分,包括:
8.根据权利要求7所述的方法,其特征在于,所述利用分母修正算法计算所述预测数值相对于所述实际需求值的修正百分比偏差,包括:
9.根据权利要求1所述的方法,其特征在于,利用所述多个候选预测结果与所述历史需求序列中对应时间点的实际需求值执行偏差计算,得到表征近期表现稳定性的排序评分,包括:
10.一种低频物料需求的多方案自适应择优预测装置,其特征在于,所述装置包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com