基于自适应Q学习的间歇性备品备件需求预测
张利平1
熊攀1
付晨阳2
夏源2
1.武汉科技大学 冶金装备及其控制教育部重点实验室,湖北 武汉 430081;武汉科技大学 机械传动与制造工程湖北省重点实验室,湖北 武汉 4300812.中国舰船研究设计中心,湖北 武汉 430064
摘要：间歇性备件具有高价值、需求中断和关键性等特点.有效的需求预测有助于优化库存管理,确保设备得以及时维护,从而保持其正常运行所需的可靠性和安全性.因此,本文提出一种基于自适应Q学习的间歇性备件需求预测方法.首先利用相似度指标和K-means对备件需求数据进行预处理和聚类;其次,采用Q学习算法动态调整聚类后的备件类别与预测模型的匹配关系,为每类数据自适应匹配预测模型,以期达到更好的预测精度;最后,采用间歇性备件数据集对所提方法进行验证.结果表明:自适应Q学习可以显著降低备件预测误差,且Enrmse、Emae、Emase等 3个指标均低于Croston、ARIMA、Deep Renewal Exact等 6种对比模型,各类别的均值分别为 8.921 0、1.4856、0.3950.因此,所提出的自适应Q学习方法的预测精度准确且结果可靠,能够用于间歇性备件的需求预测.
关键词：K-means聚类Q学习间歇性备件需求预测
分类号：TP18(自动化基础理论)V267(航空制造工艺)F403.7(工业经济理论)
资助基金：国家自然科学基金(52475524)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 73-81 )
英文信息