间歇性时间序列的可预测性评估及联合预测方法

摘要：

在高端制造企业的运维业务中,配件需求随机发生,且伴随有大量的零需求阶段,同时,对应的配件需求数据量小,且呈现出间歇性和块状分布的特点,导致现有时间序列预测方法难以有效预测配件需求走势.为解决该问题,提出了一种间歇性时间序列的可预测性评估及联合预测方法.首先,提出了一种新的间歇相似度指标,通过统计两条序列中"0"元素出现的频次和位置,并结合最大信息系数和平均需求间隔等度量指标,有效评估了序列的趋势信息和波动规律,并实现了对间歇性序列可预测性的量化;其次,基于该指标,构建了一个间歇相似度层次聚类方法来自适应地筛选相似性高、可预测性强的序列,剔除极度稀疏、无法预测的序列;此外,探索利用序列间的结构化信息,并构建多输出支持向量回归(M-SVR)模型,从而实现小样本下的间歇性序列联合预测;最后,分别在两个公开数据集(UCI礼品零售数据集和华为电脑配件数据集)和某大型制造企业实际配件售后数据集上进行实验.实验结果表明,相比多个典型的时间序列预测方法,所提方法可有效挖掘各类间歇性序列的可预测性,提高小样本间歇性序列的预测精度,从而为制造企业配件需求预测提供了一种新的解决方案.

关键词：需求预测、间歇性时间序列、可预测性评估、时间序列预测、时间序列聚类

所属期刊栏目：42

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;河南省科技攻关项目

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2722-2731