基于关联规则及组合模型的面料需求预测

作     者：李长云 李亭立 何频捷 黎建波 王松烨 毛鑫鑫 LI Chang-yun;LI Ting-li;HE Pin-jie;LI Jian-bo;WANG Song-ye;MAO Xin-xin

作者机构：湖南工业大学计算机学院株洲412000 湖南省智能信息感知及处理技术重点实验室株洲412000 

基　　金：国家重点研发计划(2018YFB1700200) 湖南省重点领域研发计划(2019GK2133,2020KF02) 湖南省研究生科研创新项目(QL20210249) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2022年第22卷第35期

页      码：15697-15707页

摘      要：由于服装的面料组成具有复杂性,企业在不同时间对不同规格型号面料需求量不一致,传统的人工预测及单维度智能预测模型难以解决问题。针对服装企业面料需求非确定性、预测难的痛点,提出基于关联规则及组合模型的面料需求预测方法。首先构建Apriori面料型号关联模型,挖掘多批多类面料间的型号关联规则;然后构建Prophet时间序列模型与长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型Prophet-LSTM,结合其在解决面料需求预测问题上的优势;最后将挖掘出的高关联面料型号历史需求数据作为输入,采用量子粒子群算法(quantum particle swarm optimization,QPSO)优化组合模型权值系数,进行关联面料需求量预测。使用均方根误差(root mean squared error,RMSE)及平均绝对误差(mean absolute error,MAE)作为评价指标设计对比实验,实验结果表明:采用量子粒子群优化的QPSOProphet-LSTM面料需求预测模型RMSE较Prophet降低5.464,较LSTM降低1.184;MAE较Prophet降低4.261,较LSTM降低0.819,需求预测精度更高,支持服装企业面料柔性生产。

主 题 词：需求预测 Apriori 关联分析 Prophet LSTM 量子粒子群算法 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-1815.2022.35.033

馆 藏 号：203117776...