买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国舰船研究设计中心申请的专利一种基于间歇性拟合指标的备件需求预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119579064B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411723072.9，技术领域涉及：G06Q10/087；该发明授权一种基于间歇性拟合指标的备件需求预测方法是由陈志敏;付晨阳;马哲轩;郭莹莹;罗威设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于间歇性拟合指标的备件需求预测方法在说明书摘要公布了：本发明公开了一种基于间歇性拟合指标的备件需求预测方法，包括以下步骤：1获取备件数据集，针对备件数量进行数据清洗；2获取备件需求数据集，将备件需求数据集进行转换为备件需求序列；3对备件需求序列进行数据清洗；4获取各备件需求序列的间歇性指标；5根据平均需求间隔与需求量变异程度，对各备件需求序列进行归类；6间歇性拟合指标构建；7基于间歇性拟合指标对各备件需求序列进行聚类；8建立BP神经网络备件需求预测模型，使用步骤7中的备件需求序列作为BP神经网络预测模型的输入数据，进行模型训练；9使用训练获得的模型进行备件需求预测。本发明预测模型能更好地捕捉序列的特征从而提高模型的预测效果。

本发明授权一种基于间歇性拟合指标的备件需求预测方法在权利要求书中公布了：1.一种基于间歇性拟合指标的备件需求预测方法，其特征在于，包括以下步骤： 1获取备件数据集，所述备件数据包括备件编号和对应的备件数量，针对备件数量进行数据清洗； 2获取备件需求数据集，将备件需求数据集进行转换为备件需求序列； 所述备件需求数据集包括各备件出库的时间和数量； 根据备件编号，将同一种备件按照出库时间整合为一条序列，该序列中的数值时间间隔相等为固定的出库周期时间间隔，对于某次出库，备件需求序列中没有出库需求的时候，则用0对序列进行数值填补； 某备件需求数据集转换为备件需求序列，则该备件的序列为： T＝{x1，x2，...，xi，...，xn}； 式中，xi为该备件需求数据中第i次的出库需求量； 3对备件需求序列进行数据清洗； 采用3σ准则对备件需求序列进行数据清洗； 4获取各备件需求序列的间歇性指标； 4.1计算各备件需求序列的平均需求间隔； ADI＝nizi； 式中，ni表示第i条序列有ni个周期，zi表示第i条序列中非零周期的数量，ADI表示某条序列中的平均需求间隔； 4.2计算各备件需求序列的需求量变异程度CV2； 式中，Si表示非零需求周期的标准差，l表示非零需求周期的个数，表示第i个非零需求周期的需求量，表示非零需求周期的需求量平均值； 5根据平均需求间隔与需求量变异程度，对各备件需求序列进行归类； 6间歇性拟合指标构建； 结合了最大信息系数MIC、备件需求序列间的平均需求间隔和间歇性指标Zero‑Dist构建间歇性拟合指标； 对于给定序列集合T＝{T1，T2，……，TM}，M为序列个数，其中第i条序列Ti＝{xi1，xi2，……，xiN}，N为序列中的元素个数；间歇性拟合指标InterSim表示如下： InterSimTi，Tj＝1‑MICTi，Tj⊙Zero‑DistTi，Tj⊙ADI*Ti，Tj； 其中，其中，MICTi，Tj表示序列Ti和序列Tj之间的最大信息系数，⊙表示哈达玛Hadamard积，Zero‑DistTi，Tj表示序列Ti和序列Tj之中0元素位置的分布差异，ADI*Ti，Tj表示序列Ti和序列Tj间的平均需求间隔； 7基于间歇性拟合指标对各备件需求序列进行聚类； 基于间歇性拟合指标定义备件需求序列之间的相似度指标，对备件需求序列进行聚类； 8建立BP神经网络备件需求预测模型，使用步骤7中的备件需求序列作为BP神经网络预测模型的输入数据，进行模型训练； 9使用训练获得的模型进行备件需求预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国舰船研究设计中心，其通讯地址为：430064 湖北省武汉市武昌区张之洞路268号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。