装备制造业中基于数据特性的订单完工期预测研究

发布时间：2024-03-05 20:47

　　随着科学技术的迅速发展,尤其是计算机、人工智能等技术的进步,离散装备制造业正在进行新一轮的产业变革,将智能化、信息化和工业化深度融合,使越来越多的装备制造企业加快实现智能化转型。对于按订单需求进行加工生产的离散装备制造企业,准确地预测订单完工期能够保证按时给客户交付订单,提高公司的竞争力。由于实际的生产加工环境较为复杂,在订单生产的过程中存在诸多不确定因素影响订单的最终完工时间,这些不确定因素增加了订单完工期的预测难度。本文以离散装备制造业的订单完工期预测问题为研究课题,主要研究内容如下:(1)针对离散装备制造业中历史订单数据存在数据量少、特征表达能力不足和包含异常数据的特点,提出一种基于数据分布和级联森林的订单完工期预测算法。根据数据特性将订单完工期预测视为分类问题,并设计了一种两级级联森林模型。将原数据输入到第一级级联模型得到初步的预测结果和预测概率分布向量,通过分析订单完工期的概率分布,将预测结果和预测概率分布向量进行优化调整和拼接,从而得到表达能力更强的新特征向量,再将新特征向量与原数据拼接后输入到第二级级联模型并输出最终的预测结果。实验表明该算法的订单完工期预测的平均偏差为1...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 订单完工期预测研究现状
        1.2.2 不平衡数据研究现状
    1.3 研究内容和难点
    1.4 论文结构安排
第二章 相关算法和技术概述
    2.1 引言
    2.2 随机森林
    2.3 离散型随机变量的分布
    2.4 过采样算法基础:SMOTE
    2.5 DBSCAN密度聚类算法
    2.6 本章小结
第三章 基于数据分布和级联森林的订单完工期预测算法
    3.1 引言
    3.2 订单完工期预测问题描述
    3.3 数据预处理
    3.4 订单完工期预测算法设计
        3.4.1 订单完工期的分布特性分析
        3.4.2 基于数据分布和级联森林的预测模型构建
        3.4.3 DD-CF算法的模型训练和预测过程
    3.5 实验结果与分析
        3.5.1 评价指标
        3.5.2 参数设置
        3.5.3 基于数据分布的结果优化策略有效性分析
        3.5.4 不同预测算法的对比实验分析
    3.6 本章小结
第四章 带权重机制的动态过采样不平衡分类预测算法
    4.1 引言
    4.2 不平衡数据问题描述
    4.3 带权重机制的动态过采样分类预测算法
        4.3.1 特征权重计算方式
        4.3.2 样本距离定义
        4.3.3 样本合成策略
        4.3.4 带权重机制的动态过采样分类预测算法
    4.4 实验结果与分析
        4.4.1 数据集介绍
        4.4.2 评价指标
        4.4.3 实验设计与参数设置
        4.4.4 缓冲机制可行性分析
        4.4.5 消融实验
        4.4.6 不平衡订单数据实验效果分析
    4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3920022