基于PCA-SVM的航材需求预测方法研究

刘旭周丽华朱臣

（空军勤务学院航材系徐州221000）

航材需求预测是对航材需求量客观规律进行预先估计和推测，即根据现有的统计资料来推测航材未来的需求量。为了提高航材需求预测精度，论文提出一种将主成分分析与支持向量机相结合的航材需求预测模型，首先利用主成分分析法对航材消耗预测的各影响因素进行筛选，然后将筛选结果作为支持向量机的输入量，最后建立航材需求预测模型，计算结果表明主成分分析改进支持向量机模型能够提高航材需求预测的精度。

航材需求量；主成分分析；支持向量机；预测

Class NumberE239.4

1 引言

航材供应直接影响着航空兵部队、空降兵部队战斗力的形成、维持和提高，是提高战斗出动率的基础［1］。现代高技术战争具有高速度、高强度、高消耗的特点，对航材供应的依赖性空前增大，要求航材部门能够在要求的时间和地点提供所需的航材。但是供应部门为了满足使用需求，往往会加大航材库存量，提高保险程度，这就造成了大量航材积压呆滞，浪费严重。所以必须着力提高航材需求预测准确率，权衡优化航材供应军事效益和经济效益，以求能够高效而又经济地保障部队需要的航材。

需求预测的方法有很多，传统的预测方法包括回归分析法、移动平均法、指数平滑法、灰色预测法等，现代预测方法包括BP神经网络、遗传算法、支持向量机、模糊预测等。这些方法对航材需求预测精度的提高具有很大帮助，但是也存在两个方面的问题：一是预测精度未达到理想要求；……