APP下载

基于深度神经网络的不常用备件需求预测研究

2021-12-21周自强姜久超

河北水利电力学院学报 2021年4期
关键词:模型

周自强,姜久超

(1.辽宁红沿河核电有限公司仪控处,辽宁省大连市中山区南山路127号 116000;2.河北水利电力学院电气自动化系,河北省沧州市黄河西路49号 061001)

备件是指为保障生产设备的运行和维修而储备的各种元器件、零部件。备件需求的预测是进行备件采购计划制定、供应管理、仓储管理等工作的基础。科学合理的备件需求计划,不仅能够保障生产的正常进行,还能够降低企业的采购成本和仓储成本,直接增加企业的利润。不常用备件的需求具有间隔期不确定、变化量波动大、需求规律性不明显和不确定性强的特点,可参考历史数据少,不利于进行分析与预测。目前不常用备件需求一般使用灰色系统理论模型进行预测。

人工神经网络是模仿大脑结构和功能的新型信息处理方法,由若干个处理单元联结组成复杂网络。人工神经网络能够对大量信息进行处理,具有容错性强等优势,该方法能够从历史资料中寻找规律,通过非线性处理建模[1],实现对未来状态的定量估测。神经网络利用历史数据构成训练集合,通过训练集合对神经网络进行训练,实现神经网络参数的确认,使用已确认参数的神经网络实现对未来数据的预测[2]。本文将LSTM和Bi-LSTM神经网络应用于备件需求预测,为不常用备件的储备提供科学依据[3]。

1 神经网络

长短期记忆网络LSTM(Long-Short Term Memory)通过对循环神经网络RNN(Recurrent Neural Network)的改进而提出的一种带记忆能力的神经网络[4],这种神经网络具有从给定数据中获取数据间隐含关系的能力,在分类、自然语言处理、时间序列数据预测等领域有着广泛应用[5]。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用