[发明专利]一种基于模型迁移学习的电子产品零件备货量预测方法

摘要

本发明公开了一种基于模型迁移学习的电子产品零件备货量预测方法充分利用历史数据，结合分位数回归的方法建立神经网络预测模型，通过对预测模型的不同分位点回归得到多个解与真实的历史数据比较，选择最优估计的分位点，再通过以均方根作为损失函数的神经网络一般建立方法进行验证，此外，对于无法收集到足够的需求样本数据的备件种类，通过模型迁移方法提升预测的准确性，综合以上两方面效果，即可给出后续时间段内的售后备件需求量，指导实际售后服务厂商做出相应的决策，在满足用户备件更换需求的条件下，优化相关成本，与现有备件需求量预测方法相比，对数据的利用更充分，优化性能更优异。