数据与知识双驱动的备件需求模糊预测模型

N945.24; 针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型.该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库.在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型.采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性.通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势....

Full description

Saved in:
Bibliographic Details
Published in国防科技大学学报 Vol. 46; no. 2; pp. 205 - 214
Main Authors 王小巍, 陈砚桥, 金家善, 魏曙寰
Format Journal Article
LanguageChinese
Published 陆军工程大学军械士官学校,湖北武汉 430075%海军工程大学动力工程学院,湖北武汉 430033 2024
海军工程大学动力工程学院,湖北武汉 430033
Subjects
genetic algorithm
遗传算法
prediction model
备件
模糊网络
fuzzy network
预测模型
spare parts
Online AccessGet full text
ISSN1001-2486
DOI10.11887/j.cn.202402021

Cover

More Information
Summary:N945.24; 针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型.该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库.在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型.采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性.通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势.
ISSN:1001-2486
DOI:10.11887/j.cn.202402021