[发明专利]基于特征提取和改进随机森林的物资需求预测方法

权利要求书

1.一种基于特征提取和改进随机森林的物资需求预测方法，其特征在于，包括：

导入历史项目数据中的物资需求数据以及与物资需求对应的项目属性数据，进行数据提取得到项目物资历史数据集；

基于建立的行业与工程分类知识库，对项目物资历史数据集进行分组；

依据项目属性数据对物资在历史项目中的重要性排序，筛选出需进行预测的物资种类；

利用与每种所述物资种类对应的物资分组历史数据训练对应的随机森林模型；

输入需预测物资的种类，获取该物资的项目属性数据，导入对应的随机森林模型预测该物资的需求量。

2.根据权利要求1所述的物资需求预测方法，其特征在于，所述导入历史项目数据中的物资需求数据以及与物资需求对应的项目属性数据；进行特征提取得到项目物资历史数据集；包括：

基于核K-Means聚类的离群点检测对历史项目数据中物资需求数据以及与物资需求对应的项目属性数据的异常值进行处理，并进行数据清洗和筛选，得到包括物资需求量特征数据和与之对应的年份、项目名称、物资编码、投资金额在内的项目属性数据；

采用自然语言处理的Jieba分词技术对项目属性数据的项目名称进行语义识别、文本分析和分词处理，提取其中所含的地区、站点、行业类型和工程类型在内的特征数据；

将物资需求量特征数据和与之对应的年份、地区、站点、行业类型、工程类型、项目名称、物资编码、投资金额在内的特征数据组成项目物资历史数据集。

3.根据权利要求2所述的物资需求预测方法，其特征在于，基于核K-Means聚类的离群点检测对历史项目数据中物资需求数据以及与物资需求对应的项目属性数据的异常值进行处理，包括：

1)采用核K-Means进行聚类，将历史项目数据分为单个的簇，聚类后的数据集为D，共分为K个簇，用D_a来表示簇，对应簇中心为c_a，a＝1,…,K，a表示物资历史数据中各特征数据对应的簇的个数；

2)寻找物资历史数据中各特征数据为空值的缺失数据A_b所在簇D_a，在D_a中寻找与A_b最为相似的数据A_c，b≠c，b和c均不大于所在簇D_a的数据量；用A_c的属性去填补A_b的缺失属性，如此反复迭代，直至所有缺失数据填补完成，填补后数据集为F_补；

3)对于数据集F_补中的每一个簇，设置目标函数的阈值，逐个删除数据对象，若删除后，存在显著降低，即标记为离群点，加入数据集B中；

4)在数据集B中确认是否有填补的缺失值，是，则跳转至1)重新进行聚类填补；否，则结束；

5)在步骤4)中反复迭代至设定的迭代阈值后，则将迭代的缺失数据以簇均值填补并结束。

4.根据权利要求3所述的物资需求预测方法，其特征在于，所述目标函数其中dist是为缺失值到每个簇的核距离；x∈c_a，a＝1,…,K。

5.根据权利要求1所述的物资需求预测方法，其特征在于，所述提取其中所含的地区、站点、行业类型和工程类型在内的特征数据为文本型特征数据，采用标签编码方式分别对地区、站点、行业类型和工程类型进行标签编码转换为数字型特征数据。

6.根据权利要求2所述的物资需求预测方法，其特征在于，所述行业与工程分类知识库根据所述项目物资历史数据集中包括的行业类型和工程类型在内的特征数据建立。

7.根据权利要求1所述的物资需求预测方法，其特征在于，依据项目属性数据对物资在项目中的重要性排序，筛选出需进行预测的物资种类；所述的排序包括：

排序一、根据物资在历史项目中的需求频率进行物资的重要性排序；

排序二、根据物资在历史项目中的价值量进行物资的重要性排序。