基于支持向量机预测方法的不常用备件库存模型研究

不常用备件库存模型是库存理论研究的一个重要领域。该类备件常为设备的核心部件，重要性高，其特征为使用频次低、间隔期长且不确定。准确描述其需求是构建不常用备件库存模型需要解决的首要问题。一般库存模型在描述库存物品的需求时采用假定其服从某种概率分布，如正态分布、泊松分布等，然后通过样本数据进行参数估计和假设检验，进而建立库存模型。但是这类方法的理论基础是基于样本数目趋于无穷大的渐进理论。对于不常用备件需求样本数据有限的特征，这些需求分布的假设受到挑战。本项目通过引入基于有限样本的统计学习理论，运用该理论中较为成熟的支持向量机方法，通过对不常用备件有限使用样本的学习，估计和拟合其需求函数，并以此为基础构建具备不常用备件特征的库存模型和开发其支持系统原型。通过本项目的研究，可以更加准确的描述不常用备件的需求特征，建立更为合理的库存模型，同时对于发展和完善支持向量机预测方法具有重要的理论与现实意义。