基于LSTM民用飞机航材库存预测的研究
作者:
作者单位:

1.上海飞机设计研究院,上海 201210 ;2.哈尔滨工业大学,哈尔滨 150001 ;3.上海飞机制造有限公司,上海 200443

作者简介:

腾杨刚男,博士,工程师。主要研究方向:民用飞机总体设计。E-mail:hawk_teng@163.com

通讯作者:

腾杨刚E-mail:hawk_teng@163.com

中图分类号:

V221


Research on civil aircraft aviation material inventory prediction based on LSTM
Author:
Affiliation:

1.Shanghai Aircraft Design and Research Institute, Shanghai 201210 , China ;2.Harbin Institute of Technology, Harbin 150001 , China ; 3.Shanghai Aircraft Manufacturing Co., Ltd.Shanghai 200443 , China

  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • | | |
  • 文章评论
    摘要:

    在仓储、人力、飞机停机成本不断上升的情况下,对航材库存进行精确控制变得尤为重要。通过准确预测库存,可以确保如约交付率,减少订单违约的风险;同时,还能够减少仓储支出,有效地安排维修任务。此外,准确的库存预测有助于航司根据销量和库存做出科学决策,实行动态实时定价策略,从而降低决策成本。首先选取A航材1 080条库存数据经脱敏后进行归一化,并给出处理结果;随后,引入LSTM时序预测求解方法,利用LSTM学习能力强、预防梯度爆炸、拥有可控的信息记忆功能的优势,对误差函数、激活函数、优化器、批处理等参数分析设计;随后将优化的LSTM算法在TF框架下进行长时间跨度的库存预测,最后得出A航材在下一个时间节点的合理库存数量,并利用此预测值进行航材采购和维修计划编制等。

    Abstract:

    With the increasing costs of warehousing, manpower, and aircraft downtime, precise control of aviation material inventory is becoming increasingly important. Accurately predicting inventory can achieve high-quality on-time delivery and reduce the possibility of order defaults, can reduce storage expenses and effectively arrange maintenance tasks, can help airlines make scientific decisions based on sales and inventory, implement dynamic real-time pricing strategies, and reduce decision-making costs. This article first selects 1 080 inventory data of A aviation materials and normalizes them after desensitization, and provides the processing results. Subsequently, the LSTM time series prediction solution method was introduced, taking advantage of the strong learning ability, gradient explosion prevention, and controllable information memory function of LSTM, analyzing and designing parameters such as error function, activation function, optimizer, and batch processing. Subsequently, the optimized LSTM algorithm will be used in the TF framework for long-term inventory prediction, and the reasonable inventory quantity of A aviation materials for the next time node will be obtained. The predicted values will be used for aviation material procurement and maintenance planning.

    参考文献
    [1] 王瀛,喻拿仑,陈舒文.基于航材库存成本的民机LRU划分层级研究 [J].民用飞机设计与研究,2023(1):15-21.
    [2] 黄树江,郭基联,余柏峰.基于改进RCDL模型的可修航材需求预测方法 [J].信息工程大学学报,2022,23(3):379-384.
    [3] 穆彩虹.基于领料数据的民机维修消耗件需求预测研究[D].天津:中国民航大学,2022.
    [4] 孙绳山,徐常凯,何亚群.基于RS-PSO-SVM的航材消耗预测模型[J].南京:南京航空航天大学学报,2021,53(6):881-887.
    [5] 冯蕴雯,潘维煌,刘佳奇,等.考虑航材共享的国产民机航材配置技术研究[J].西安:西北工业大学学报,2021,39(6):1196-1203.
    [6] 胡倩.H飞机制造厂西锐飞机客户服务管理的改进研究[D].哈尔滨:哈尔滨工业大学,2021.
    [7] 冯蕴雯,陈俊宇,刘佳奇,等.民用飞机航材预测与配置管理技术综述[J].航空工程进展,2020,11(4):443-453.
    [8] 施晋,毛嘉莉,金澈清.时空依赖的城市道路旅行时间预测[J].软件学报,2019,30(3):770-783.
    [9] 王鑫,吴际,刘超,等.基于LSTM循环神经网络的故障时间序列预测[J].北京航空航天大学学报,2018,44(4):772-784.
    [10] 杨朦.结合提前经济指标的间歇性需求的库存管理[D].北京:清华大学,2015.
    [11] 程晓华.制造业库存控制技巧:第三版.北京:中国财富出版社,2013:88.
    [12] 倪冬梅,赵秋红,李海滨.需求预测综合模型及其与库存决策的集成研究[J].管理科学学报,2013,16(9):44-52,74.
    [13] 谷冰.BP神经网络预测制造企业安全库存[J].科技与企业,2013(19):107.
    [14] 吕健发.粒子群神经网络在手机物料库存预测中的应用[J].大众科技,2014,16(10):41-42.
    [15] 胡劲草.钢铁企业设备备件分类评估及库存优化算法应用研究[D].武汉:武汉理工大学,2014.
    [16] 夏雄.基于贝叶斯需求预测理论的易损耗货物库存控制模型[D].北京:北京交通大学,2015.
    [17] 王路.复杂装备备件库存预测与控制方法及其应用研究[D].杭州:浙江大学,2016.
    [18] 韩韬,郝矿荣,丁永生,等.基于深度LSTM神经网络的人体服装压力信息预测[J].东华大学学报(自然科学版),2018,44(5):755-761.
    [19] 任君,王建华,王传美,等.基于正则化LSTM模型的股票指数预测[J].计算机应用与软件,2018,35(4):44-48,108.
    [20] 刘建伟,崔立鹏,刘泽宇,等.正则化稀疏模型[J].计算机学报,2015,38(7):1307-1325.
    [21] 陈琳,殷卫霞,卢荣胜.耦合光度配准的双边全变差正则化MAP超分辨率重建算法[J].计算机应用与软件,2015,32(12):188-192.
    [22] 陈玉艳,王旭,吕轶,等.基于Tikhonov和变差正则化的磁感应断层成像重建算法[J].东北大学学报(自然科学版),2011,32(4):460-463.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

腾杨刚,张海洋,侯严庭,等.基于LSTM民用飞机航材库存预测的研究[J].民用飞机设计与研究,2024(4):100-106. ( in Chinese)

复制
分享
文章指标
  • 点击次数:16
  • 下载次数: 61
  • HTML阅读次数: 1
  • 引用次数: 0
历史
  • 在线发布日期: 2025-01-10

微信公众号二维码

手机版网站二维码

我要投稿 投稿指南 联系我们 二维码
TOP
×
《民用飞机设计与研究》
关于《民用飞机设计与研究》期刊网站升级的重要通知