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！

龙图腾网获悉北京航空航天大学申请的专利一种基于集成学习的装备后续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：CN115438849B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211043108.X，技术领域涉及：G06Q10/04；该发明授权一种基于集成学习的装备后续备件需求预测方法是由杨懿;刘维设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种基于集成学习的装备后续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集成学习的装备后续备件需求预测方法，属于机器学习领域技术领域，包括基于场景分析的理论和方法，对装备的使用和保障过程进行分析和数字化描述，获取影响备件需求的数字特征集合；基于随机森林算法对数字特征集合中特征的重要程度进行排序，获取最优数字特征集合；确定多个备选预测模型，基于GridSearchCV方法对各备选预测模型进行超参调优，获取调优后的备选预测模型；基于调优后的备选预测模型建立集成学习Stacking模型，并利用最优数字特征集合行训练和预测，获取装备后续备件需求数量的预测值。本发明克服了单一预测方法的片面和局限性，为进一步提高武器装备保障系统的高效性、及时性和实用性提供了技术支撑。

本发明授权一种基于集成学习的装备后续备件需求预测方法在权利要求书中公布了：1.一种基于集成学习的装备后续备件需求预测方法，其特征在于，所述方法包括以下步骤： S1、基于场景分析的理论和方法，对装备的使用和保障过程进行分析和数字化描述，获取影响备件需求的数字特征集合；具体包括： 分析装备的使用场景和维修保障流程，获取装备的使用场景信息和维修信息； 分析装备周期任务量和装备备件自身消耗规律，获取装备备件消耗和补充数量信息； 综合分析装备的使用场景信息、维修信息及装备备件消耗和补充数量信息，获取影响备件需求的数字特征集合； S2、基于随机森林算法对数字特征集合中特征的重要程度进行排序，并根据特征重要程度进行特征选择，获取最优数字特征集合； S3、确定多个备选预测模型，基于GridSearchCV方法对各备选预测模型进行超参调优，获取调优后的备选预测模型； S4、基于调优后的备选预测模型建立集成学习Stacking模型，并利用最优数字特征集合对Stacking模型进行训练和预测，获取装备后续备件需求数量的预测值； 还包括对Stacking模型进行改进，利用改进的Stacking模型进行备件需求数量预测，具体包括：将原始最优数字特征集合的特征矩阵与Stacking模型基学习器的输出预测值相结合生成新的高维特征矩阵，并将新的高维特征矩阵作为Stacking模型元学习器的输入，从而实现对装备后续备件需求数量的预测。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。