隨著農(nóng)業(yè)機(jī)械的快速發(fā)展,對(duì)備件需求量進(jìn)行預(yù)測(cè)是保證農(nóng)業(yè)機(jī)械及時(shí)維修的關(guān)鍵。根據(jù)農(nóng)機(jī)備件的特點(diǎn),本文提出應(yīng)用PCA-SVR方法進(jìn)行農(nóng)機(jī)備件需求預(yù)測(cè)。首先,分析影響備件需求的因素,建立影響農(nóng)機(jī)備件需求量的指標(biāo)體系;其次,構(gòu)建PCA-SVR預(yù)測(cè)模型;最后,針對(duì)某品牌農(nóng)機(jī)備件開(kāi)展實(shí)證研究,將影響農(nóng)機(jī)備件需求量的9個(gè)因素通過(guò)PCA降維成4個(gè)主成分,隨后應(yīng)用SVR方法進(jìn)行預(yù)測(cè),研究結(jié)果表明,該方法的預(yù)測(cè)值與實(shí)際情況相比誤差較小,本文提出的PCA-SVR方法在MAE、RMSE和MAPE值分別是950.86、1 424.78和15.88,分別比線(xiàn)性回歸模型以及隨機(jī)森林模型的MAE、RMSE和MAPE值小607.45、1 830.83,451.1、1 753.88以及6.1、1.46,說(shuō)明其具有優(yōu)越性。 

【文章來(lái)源】：中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2020,41(06)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

PCA-SVR的具體步驟

根據(jù)PCA提取的影響液壓系統(tǒng)換向閥需求量的關(guān)鍵指標(biāo),從樣本數(shù)據(jù)中隨機(jī)選取65%的數(shù)據(jù)作為訓(xùn)練集,建立預(yù)測(cè)模型,剩余35%的數(shù)據(jù)作為測(cè)試集,檢驗(yàn)?zāi)Ｐ偷木_度和推廣能力。對(duì)模型進(jìn)行參數(shù)尋優(yōu)能夠解決機(jī)器學(xué)習(xí)的“欠學(xué)習(xí)”和“過(guò)學(xué)習(xí)”問(wèn)題, 提高模型的泛化能力。因此,本文應(yīng)用Python機(jī)器學(xué)習(xí)庫(kù)中的GridsearchCV方法進(jìn)行參數(shù)尋優(yōu)。GridsearchCV運(yùn)用十折交叉驗(yàn)證尋得了在測(cè)試集上效果最佳的SVR模型參數(shù),參數(shù)設(shè)置為:核函數(shù)選擇高斯徑向基核函數(shù),懲罰參數(shù)C的值為1,參數(shù)gamma的值為0.1,參數(shù)epsilon的值為0.01,從而便構(gòu)建了一個(gè)具有最優(yōu)參數(shù)的SVR模型。SVR模型在訓(xùn)練集及測(cè)試集上的預(yù)測(cè)效果如圖2所示,其中x表示訓(xùn)練集或測(cè)試集中的第幾個(gè)樣本,y表示農(nóng)機(jī)備件數(shù)量預(yù)測(cè)值。由圖2可知,SVR模型在訓(xùn)練樣本及測(cè)試樣本上的擬合效果較好,真實(shí)值與預(yù)測(cè)值曲線(xiàn)基本重合,誤差較小。其中,模型在測(cè)試集上的均方誤差為0.000 589,在訓(xùn)練集上的均方誤差為0.000 206。為檢驗(yàn)該模型的預(yù)測(cè)精度,本文將PCA-SVR模型與線(xiàn)性回歸模型以及隨機(jī)森林模型進(jìn)行了對(duì)比,運(yùn)用SVR模型得到的液壓系統(tǒng)換向閥需求量預(yù)測(cè)值曲線(xiàn)與真實(shí)值曲線(xiàn)基本重合,擬合效果較好。而線(xiàn)性回歸模型在2018年3月至2018年9月間液壓系統(tǒng)換向閥需求量預(yù)測(cè)值較準(zhǔn)確,但2018年10月至2019年3月預(yù)測(cè)值與真實(shí)值之間產(chǎn)生了一定偏差。2018年10月之后,隨機(jī)森林模型的預(yù)測(cè)值曲線(xiàn)與真實(shí)值曲線(xiàn)產(chǎn)生了較大的偏差。為進(jìn)一步定量分析各個(gè)模型預(yù)測(cè)效果與真實(shí)值的偏差程度,本文采用了平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)及平均絕對(duì)百分誤差(MAPE)三個(gè)評(píng)價(jià)指標(biāo),結(jié)果如表5所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于NSTPNT的風(fēng)電系統(tǒng)可靠性對(duì)風(fēng)電預(yù)測(cè)誤差靈敏度[J]. 李生虎,董王朝.  系統(tǒng)工程理論與實(shí)踐. 2019(05)
[2]基于DTW相似判定的周期性時(shí)間序列預(yù)測(cè)方法[J]. 李文海,程佳宇,謝晨陽(yáng).  計(jì)算機(jī)科學(xué). 2019(05)
[3]基于GM-SVR的小樣本條件下化工設(shè)備可靠性預(yù)測(cè)[J]. 趙江平,丁潔,陳敬龍.  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2019(01)
[4]廣東省果園機(jī)械維修服務(wù)現(xiàn)狀及發(fā)展對(duì)策[J]. 鄭銳禹,王海林,尹鴻超,王浩,李晟,鄧若玲.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2017(06)
[5]全國(guó)農(nóng)機(jī)維修服務(wù)能力研究[J]. 溫芳.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2015(06)
[6]基于支持向量機(jī)的農(nóng)機(jī)裝備水平差異分類(lèi)研究[J]. 袁玉萍,安增龍.  中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2015(04)
[7]農(nóng)業(yè)機(jī)械產(chǎn)品安全風(fēng)險(xiǎn)評(píng)價(jià)方法研究[J]. 楊欣,孫萍,魏津瑜.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2015(04)
[8]基于混沌時(shí)間序列局域模型對(duì)農(nóng)機(jī)總動(dòng)力的預(yù)測(cè)[J]. 張靜,楊宛章.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2014(05)
[9]我國(guó)農(nóng)機(jī)生產(chǎn)企業(yè)維修服務(wù)能力現(xiàn)狀分析[J]. 王揚(yáng)光,溫芳,田金明,葉宗照.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2014(03)
[10]基于PCA-BP神經(jīng)網(wǎng)絡(luò)方法的供應(yīng)商選擇[J]. 劉增明,陳運(yùn)非,蔣海青.  工業(yè)工程與管理. 2014(01)



本文編號(hào)：3511953