[发明专利]一种农机装备产品服务需求预测方法

权利要求书

1.一种农机装备产品服务需求预测方法，其特征在于，包括以下步骤：

步骤一、农机装备维护服务资源需求结构分析：根据对应区域装备维护的服务需求，在有限资源总量的前提下做出能够最大满足客户利益的决策；所述的服务需求的层次特征表现为三种情形，一是地理上的层次特征，二是管理上的层次特征，三是产品服务需求结构层次特征；

步骤二、农机装备维护服务资源需求预测特征分析：预测各个区域对服务资源的需求数量，在此基础上构建服务网络，在服务资源有限的前提下采用BP神经网络方法来进行农机装备维修服务需求预测；

步骤三、基于灰色关联分析确定装备维护需求影响因素：通过步骤二分析得到的农机装备维修服务需求预测结果，对影响因素进行关联性分析，从而识别其中的关键因素，作为后续预测模型的输入；

步骤四、针对农机装备维护服务需求预测建立BP神经网络模型：由一个输入层、一个或多个隐含层以及一个输出层构成，同层节点之间不连接，每层节点的输出只影响下一层节点的输入，具体包括BP神经网络构建、网络训练和预测。

2.如权利要求1所述的一种农机装备产品服务需求预测方法，其特征在于，所述的影响因素包括：农机装备所在区域、所处季节、该区域装备保有量、农机装备作业量、作业环境、区域设备运行状态以及历史维修状况。

3.如权利要求1或2所述的一种农机装备产品服务需求预测方法，其特征在于，所述的关联性分析通过灰色预测鉴别系统因素之间发展趋势的相异程度进行关联性分析，从而确定影响农机装备维护需求的关键因素；具体步骤如下：

步骤1.1数据收集：首先明确所需要的字段，进而从不同系统中进行数据收集，并在此基础上完成基础的统计分析，为后续预测进行数据准备；

步骤1.2灰色关联模型建立与求解：采用灰色关联分析方法分析各因素对区域农机装备维护服务需求量的影响；灰色关联分析的步骤如下：

Step1：建立上述表格中各相关指标的原始数据矩阵x_i

x_i＝(x_i(1),x_i(2),…,x_i(k)),…)

其中x_i(k)表示i因素在第k年的原始数据；

Step2：初值化矩阵x′

采用均值化方法处理上述原始数据矩阵，对矩阵进行无量纲化处理，得到

x′＝(x_i(1)/x_i(1),x_i(2)/x_i(1),…,x_i(k)/x_i(1)),…)＝(x_i′(1),x_i′(2),…,x_i′(k),…)

Step3:求差序列Δ_0i＝(k)

Δ0i=(k)=|x0i(k)-xi′(k)|,Δ0i(k)=(Δ0i(1),Δ0i(2),...,Δ0i(k),...)]]>

Step4：计算关联系数ξ_0i(k)

ξ0i(k)=miniminkΔ0i(k)+φmaximaxkΔ0i(k)Δ0i(k)+φmaximaxkΔ0i(k)]]>

其中φ为分辨系数，用于提高关联系数之间的差异显著性，φ∈(0,1)，

进一步地，所述φ取0.5。

Step5：计算灰色关联度γ_0i

灰色关联度为

Step6：关联度排序

通过上述步骤得到一个k维关联度矩阵，通过对矩阵元素的大小进行排序获取各个因素与装备维护服务需求产生的关联度及其影响力。

4.如权利要求1或2所述的一种农机装备产品服务需求预测方法，其特征在于，进一步地，在所述BP神经网络模型建立时根据模型需求选取关联度排序靠前的因素作为BP神经网络的输入项。