[发明专利]维修器材需求预测方法、装置及终端

说明书

本申请适用于数据预测技术领域，提供了维修器材需求预测方法、装置及终端，该方法包括：获取历史数据，历史数据包括目标维修器材t个历史周期的需求时间和需求数量；基于历史数据确定目标维修器材的平均需求间隔ADI值，若ADI值小于ADI阈值采用第一数学模型，若ADI值大于或等于ADI阈值则采用第二数学模型；其中，第二数学模型与第一数学模型不同；基于第一数学模型述第二数学模型，确定未来第t+1个周期目标维修器材的需求数量。本申请通过对维修器材准确的需求预测方法，为建立科学合理的维修器材库存提供可靠依据，可达到减少维修器材的呆滞与积压，提高维修器材保障效费比的效果。

技术领域

本申请属于数据预测技术领域，尤其涉及维修器材需求预测方法、装置及终端。

背景技术

科学、合理的维修器材库存对于保障战备装备完好性和降低装备全寿命周期费用有着十分重要的意义。一般情况下，对于用于战时的装备群，需要对其所需维修器材库存做一定数量的应急储备。

众所周知，维修器材库存数量重要依据为维修器材的需求数量，而确定需求数量不仅要参考往期的历史数据，还需对未来的需求数量进行预测，结合需求历史数据和需求预测数据，才能形成准确的需求数量，是建立科学合理的维修器材库存的前提。

因此，需要一种维修器材准确的需求预测方法，为建立科学、合理的维修器材库存提供依据。

发明内容

为克服相关技术中存在的问题，本申请实施例提供了一种维修器材需求预测方法、装置及终端，可为建立科学、合理的维修器材库存提供依据。

本申请是通过如下技术方案实现的：

第一方面，本申请实施例提供了一种维修器材需求预测方法，包括：

获取历史数据，历史数据包括目标维修器材t个历史周期的需求时间和需求数量；基于历史数据确定目标维修器材的平均需求间隔ADI值，若ADI值小于ADI阈值采用第一数学模型，若ADI值大于或等于ADI阈值则采用第二数学模型；其中，第二数学模型与第一数学模型不同；基于第一数学模型或第二数学模型，确定未来第t+1个周期目标维修器材的需求数量。

在第一方面的一种可能的实现方式中，第一数学模型为指数平滑法，其中，第一数学模型包括第三滑动系数；第二数学模型包括Croston法、SBA法和TSB法中至少一种算法，其中，第二数学模型包括第一滑动系数和第二滑动系数。

在第一方面的一种可能实现的方式中，还包括构建第二数学模型的步骤，构建第二数学模型包括：采用Croston法、SBA法和TSB法中的至少一种算法训练目标维修器材从第1个历史周期至第t-1个历史周期的历史数据，得到多个第t个历史周期的预测需求，其中，通过调整第一滑动系数和第二滑动系数，训练目标维修器材从第1个历史周期至第t-1个历史周期的历史数据。比较上述多个第t个历史周期的预测需求中每个预测需求与第t个历史周期的实际需求，确定多个第t个历史周期的预测需求中的最优预测需求，其中，该最优预测需求中的第一滑动系数为最优第一滑动系数，该最优预测需求中的第二滑动系数为最优第二滑动系数，该最优预测需求中的算法为最优算法。基于最优第一滑动系数、最优第二滑动系数和最优算法确定第二数学模型。

在第一方面的一种可能的实现方式中，还包括构建第一数学模型的步骤，构建第一数学模型包括：采用指数平滑法算法训练目标维修器材从第1个历史周期至第t-1个历史周期的历史数据，得到多个第t个历史周期的预测需求，其中，通过调整第三滑动系数，训练目标维修器材从第1个历史周期至第t-1个历史周期的历史数据；比较上述多个第t个历史周期的预测需求中每个预测需求与第t个历史周期的实际需求，确定多个第t个历史周期的预测需求中的最优预测需求，其中，该最优预测需求中的第三滑动系数为最优第三滑动系数；基于最优第三滑动系数确定第一数学模型。