[发明专利]一种船舶维修费预测方法

权利要求书

1.一种船舶维修费预测方法，其特征在于，包括如下步骤：

S1、获取船舶维修费的原始数据，利用K均值法对原始数据进行聚类处理；

S2、建立支持向量机模型，利用步骤S1中聚类处理后的数据建立训练集，并结合贝叶斯优化算法，对支持向量机模型进行训练，以优化支持向量机模型中的损失函数值c和核函数gamma值，使优化后的支持向量机模型的预测结果的平均相对误差最小；

S3、利用步骤S2中优化后的支持向量机模型实现船舶维修费预测。

2.根据权利要求1所述的船舶维修费预测方法，其特征在于，在步骤S1中，利用K均值法对原始数据进行聚类处理时，首先确定K值，将不同的K值所对应的损失函数画成折线，横轴为K的取值，纵轴为误差平方和所定义的损失函数，拐点即为K的最佳值；

然后，以确定的K的最佳值作为聚类个数，完成聚类处理，从而将原始数据分为多个不同类型，后续步骤中对不同类型的数据分别进行处理。

3.根据权利要求1所述的船舶维修费预测方法，其特征在于，步骤S2中，优化支持向量机模型中的损失函数值c和核函数gamma值的步骤具体包括：

首先，利用贝叶斯优化算法，构造一个关于损失函数值c和核函数gamma值的代理函数，代理函数的趋势通过高斯分布来模拟，且代理函数值表示维修费预测结果与实际值之间的误差，代理函数值越小表示损失函数值c和核函数gamma值的取值越优；

然后，通过贝叶斯优化算法的采样函数，不断尝试在预设的损失函数值c和核函数gamma值的取值范围内进行取值，并与代理函数进行迭代处理；

最后，当达到预设的迭代次数后，或使代理函数值小于预设阈值后，以代理函数最小值对应的的损失函数值c和核函数gamma值作为最终确定的优化后的值。

4.根据权利要求3所述的船舶维修费预测方法，其特征在于，步骤S2中，预设的损失函数值c的取值范围为[0.0001，10000]，核函数gamma的取值范围为[0.00000001，1]，预设的最大迭代次数为100次。

5.根据权利要求1所述的船舶维修费预测方法，其特征在于，在步骤S2后，步骤S3前，还包括如下步骤：利用步骤S1中聚类处理后的数据建立测试集，利用测试集中的数据验证步骤S2中优化后的支持向量机模型的预测效果。