关键词:
农机服务
备件预测
LightGBM
机器学习
摘要:
针对农机服务网点中服务备件配置预测不准确导致农机备件资源浪费的问题,根据农机在服务网点的作业情况,提出了一种基于改进LightGBM的农机服务备件配置预测方法。首先,确定了农机作业环境信息、服务点信息以及备件信息三大维度内的多个特征;然后,验证了影响农机服务资源备件量的主要影响因素;接着,基于LightGBM建立了农机服务资源备件预测模型;最后,为了提高模型的精度和速度,通过PSO优化算法对Light-GBM农机服务资源预测模型进行改进,达到了更好的预测结果。实验结果表明:与随机森林、XGBoost等算法相比,LightGBM模型有更好的效果,RMSE值为27.67;通过PSO的超参数调优,LightGBM备件预测的精确性更进一步提高,RMSE值为24.74,能够较为准确地预测农机服务资源在服务网点的备件需求。