(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211164543.8 (22)申请日 2022.09.23 (71)申请人 华南农业大 学 地址 510640 广东省广州市天河区五山路 483号 (72)发明人 张智刚　卢跃腾　吕盛坪　张闻宇　 张帆　王奔　刘文锴　 (74)专利代理 机构 佛山市君创知识产权代理事 务所(普通 合伙) 44675 专利代理师 张燕玲 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 50/02(2012.01)G06K 9/62(2022.01) G06F 17/18(2006.01) G06F 17/14(2006.01) (54)发明名称 一种基于VMD的农机备件需求预测方法 (57)摘要 本发明公开了一种基于VMD的农机备件需求 预测方法， 该方法包括： 使用V MD算法对原始序列 f(t)进行分解， 以各分量之和与原始序列数据的 平均绝对误差最小为目标， 进行迭代寻优， 确定 模态分量个数K和惩罚参数α； 将对应组的测试 样本Y1输入到训练好的贝叶斯回归模型进行预 测， 得到预测结果 最终得到K组预测结果； 根 据变分模态分解的基本原理， 将各模态分量的预 测结果进行数值相加， 则得到了最终的备件需求 预测结果 本发明提供一种基于VMD的农机备 件需求预测方法， 该方法能避免收集和筛选与农 机备件相关的影 响因素这一难点， 并在小样本数 据的预测中具有较好的预测精度。 权利要求书2页 说明书7页 附图1页 CN 115423204 A 2022.12.02 CN 115423204 A 1.一种基于VMD的农机备件需求预测方法， 其特 征在于， 包括： 获取农机备件的历史月度需求数据， 记为原 始序列f(t)； 使用VMD算法对原始序列 f(t)进行分解， 以各分量之和与原始序列数据的平均绝对误 差最小为目标， 进行迭代寻优， 确定模态分量个数 K和惩罚参数α； 将一组训练样本X输入到贝叶斯 回归模型中进行训练， 得到训练好的贝叶斯 回归模型， 将对应组的测试样本Y1输入到训练好的贝叶斯回归模型进行预测， 得到预测结果 最终 得到K组预测结果； 将每个模态分量的预测结果分别进行反归一 化处理； 根据变分模态分解的基本原理， 将各模态分量的预测结果进行数值相加， 则得到了最 终的备件需求预测结果 2.根据权利 要求1的基于VMD的农机备件需求预测方法， 其特征在于， 通过VMD确定模态 分量函数包括： 建立变分模型； 求解所述变分模型； 将每个模态分量的分别进行归一 化处理； 取各个模态分量的前n个数据作为训练集， 最后m个数据作为测试集； 采用滑动窗口的 方法， 窗口长度设定 为r， 对每个分量分别进行处理， 构建出训练样本X， 使得X＝{X1,X2}和测 试样本Y， 使得Y＝{Y1,Y2}， 得到K组训练样本和 测试样本 。 3.根据权利要求2的一种基于VMD的农机备件需求预测方法， 其特征在于， 所述建立变 分模型； 具体包括： 设定农机备件的需求量的时间序列为f(t)， 采用VMD将f(t)分解成K个具有中心频率的 有限带宽的模态分量函数uk(t)， k＝1,2, …,K， 同时各模态 分量的估计带宽之和最小， 并以 所有模态分量 函数之和与原 始序列相等作为约束条件， 则构建VMD约束变分模型。 4.根据权利 要求3的一种基于VMD的农机备件需求预测方法， 其特征在于， 构 建VMD约束 变分模型包括： 对各个模态分量 函数进行希尔伯特变换， 得到f(t)的解析信号uk(t)； 式中： δ(t)为冲击响应， *为卷积运 算； 将上式 与指数算子 相乘， 使每个模态分量函数的频谱调 制到相应的基频带上， 即： 式中： ωk为每个模态分量函数的中心频 率； 通过高斯平滑对信号解调， 得到各模态分量函数的估计带宽， 并以带宽之和最小为目 标， 构建VMD约束变分模型如下：权　利　要　求　书 1/2 页 2 CN 115423204 A 2式中： uk＝{u1,u2,…,uk}为各模态分量 函数。 5.根据权利要求2的一种基于VMD的农机备件需求预测方法， 其特征在于， 所述求解所 述变分模型， 包括； 引入惩罚参数α和增广拉格朗日函数λ(t)， 将约束变分问题转变为非约束变分问题， 增 广后的表达式为： 式中： α 为惩罚参数， λ(t)为增广拉格朗日函数， < ·>为内积运 算； 利用交替方向乘子法连续更新各模态分量及其中心频率， 寻找上式的鞍点， 最终得到 无约束模型的鞍点； 也 就是原约束模型的最佳解， 各模态分量可由下式计算得到： 上式中， 分别是对应于 f(t)， λ(t)的傅里叶变换； 同理， 和 λn+1的更新表达式为： 式中： τ为更新参数； 对更新得到 进行傅里叶变换， 就可以得到分解后的变分模 态函数uk(t)(k＝1,2,…,K)。 6.根据权利要求2的一种基于VMD的农机备件需求预测方法， 其特征在于， 所述取各个 模态分量的前n个数据作为训练集， 最后m个数据作为测试集； 采用滑动窗口的方法， 窗口长 度设定为r， 对每个分量分别进行处理， 构建出训练样本X， 使得X＝{X1,X2}和测试样本Y， 使 得Y＝{Y1,Y2}， 得到K组训练样本和测试样本， 具体包括： 取各个模态分量的前31个数据作为 训练集， 最后5个数据作为测试集。 采用滑动窗口的方法， 窗口长度设定为5， 对每个分量分 别进行处理， 构建出训练样本X， 使得X＝{X1,X2}和测试样本Y， 使得Y＝{Y1,Y2}， 其中X1为26 ×5的矩阵， X2为26×1的矩阵， Y1为5×5的矩阵， Y2为5×1的矩阵， 最终得到K组训练样本和 测试样本 。权　利　要　求　书 2/2 页 3 CN 115423204 A 3