论文部分内容阅读
为提高执行任务时航材携行数量保障的科学性，充分考虑任务中各类影响因素，采取XGBoost算法对携行航材需求进行预测。首先，分析不同任务中影响航材消耗的各种因素，按照全面系统、科学简明等原则建立预测特征体系；其次，采用GRA、XGBoost、DEMATEL对特征重要性和相关度进行定性和定量分析并筛选，建立精简版特征集合；再次，用网格搜索法调参，提高模型预测的准确率和运行效率；最后，通过算例分析，并与GBDT、SVM机器学习预测算法对比分析，验证该方法在样本数据有限、影响因素多的情况下，可降低预测误差，避免过拟合，并有较好的实用性和高效性。