港口备件需求预测模型研究  

Study on Demand Forecasting Model for Port Spare Parts

作　　者：宋之杰[1] 付赞[1] 王晗[1] 侯贵宾 

机构地区：[1]燕山大学经济管理学院,河北秦皇岛066004 [2]秦皇岛港股份有限公司,河北秦皇岛066002

出　　处：《物流技术》2014年第4期84-87,103,共5页Logistics Technology

基　　金：河北省教育厅科学基金重点项目"基于状态预测的港口设备复杂系统健康管理研究"(ZH2012021);河北省自然科学基金青年基金"基于第三方隐私保护机制的在线交易模型及其应用研究"(G2011203195)

摘　　要：港口备件需求预测具有影响因素多、非线性和历史数据较少的特点,给预测带来极大困难,采用适合于解决小样本、非线性和高维问题的最小二乘支持向量机(LS-SVM)对其进行预测,并针对LS-SVM参数选择的盲目性问题,引入了自适应变异粒子群算法(AMPSO),提出一种基于AMPSO-LSSVM的港口备件需求预测模型,通过对秦皇岛港某型备件的实例分析,验证了该模型的可行性。In this paper, we introduced an adaptive mutating particle swarm optimization algorithm（AMPSO） and the least square- support vector machine（LS-SVM）, proposed the port spare parts demand forecasting model based on the AMPSO-LS-SVM, and at the end, in the case of the Qinhuangdao port, demonstrated the feasibility of the model.

关 键 词：港口备件 需求预测 最小二乘支持向量机 自适应变异粒子群 

分 类 号：U691.5[交通运输工程—港口、海岸及近海工程] F224[交通运输工程—船舶与海洋工程]