一种基于动态系数的装机预测算法的制作方法

1.本发明涉及线性回归预测技术领域，具体涉及到一种基于动态系数的装机预测算法。


背景技术：

2.线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛，一元线性回归的表达形式为y＝w'x+e。
3.本公司会根据主机厂的汽车装机需求来制定未来3个月内每天的装机需求计划，并填入装机需求表(以下称mds表)中，但由于各种不确定性因素(如受汽车产业政策调整、夏季高温限电等因素会影响本企业的变速箱及电驱动总成的产能，导致不能保证装机的供货需求)，会导致mds表的装机需求数与实际的装机数有一定差异，且每月的最后一天会进行集中装机，导致这一天的装机数大约是计划的两倍，此外，汽车行业在一年中还存在着淡旺季，淡季和旺季对于mds表的装机计划数完成率有着明显差距，所以，目前mds表存在制定的装机需求计划不能随近期和长期历史装机实际情况而调整。


技术实现要素：

4.针对上述不足，本发明提供一种新型基于动态系数的线性预测算法，本发明有效地解决了现有技术中因mds表存在制定的装机需求计划不能随近期和长期历史装机实际情况而调整的问题。
5.解决上述技术问题的技术方案如下：
6.一种基于动态系数的装机预测算法，包括以下步骤：
7.s1，获取当前日期，计算当前日期与当月起始日期之差，根据日期之差是否小于15天，并采用不同的公式进行计算；
8.s2，获取到影响动态系数的各相关变量，计算各时间段的实际装机数所占mds需求数的比例，依据其对当月装机的不同影响，按照不同的权重比进行求和，得到动态装机系数，具体过程通过以下公式进行：
9.当月前15天动态系数ω＝0.7*a/b+0.2*m/n+0.1*p/q；
10.其中变量a为当天之前的15天的实际装机数之和，b为当天之前的15天mds需求数之和，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；
11.当月第15天之后动态系数ω＝0.7*a/c+0.2*m/n+0.1*p/q；
12.其中变量a为当月初到当天总共装机数，c为当月初到当天总mds需求数，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；
13.s3，利用动态系数构建线性回归方程计算当月预计装机数。
14.进一步地，所述线性回归方程具有动态系数，具体过程通过以下公式进行：
15.当月前15天：y＝ω*x+a；
16.其中ω为权利要求1所述的动态系数，x为当天及之后的14天mds需求数之和，a为当天之前的15天的实际装机数之和；
17.当月第15天之后y＝ω*x+a+b；
18.其中ω为权利要求1所述的动态系数，x为当天到当月末的总mds需求数，a为当月初到当天之前总共装机数，b为当月最后一天的mds需求数。
19.进一步地，当该算法在当月前15天和当月第15天之后两个时间阶段进行计算时，有着不同线性回归方程，当月前15天的线性回归方程为y＝ω*x+a，当月第15天之后的线性回归方程为y＝ω*x+a+b。
20.本发明的有益效果是：本发明有效地解决了由于各种因素影响企业装机计划，使用传统线性预测算法无法准确预测的问题，达到了利用近期和长期历史装机情况不断优化预测数据、越接近月末预测数据越准确的效果。
附图说明
21.图1为本发明基于动态系数的线性预测算法的架构图；
22.图2为当月第11天时的月度装机预测情况示意图；
23.图3为当月第21天时的月度装机预测情况示意图。
具体实施方式
24.下面结合附图以及具体实施方式对本发明作进一步地说明。
25.如图1至图3所示，一种基于动态系数的装机预测算法，包括以下步骤：
26.s1,获取当前日期，计算当前日期与当月起始日期之差，根据日期之差是否小于15天，后续采用不同的公式进行计算；
27.s2，获取到影响动态系数的各相关变量，计算各时间段的实际装机数所占mds需求数的比例，依据其对当月装机的不同影响，按照不同的权重比进行求和，得到动态装机系数，具体过程通过以下公式进行：
28.当月前15天动态系数ω＝0.7*a/b+0.2*m/n+0.1*p/q；
29.其中变量a为当天之前的15天的实际装机数之和，b为当天之前的15天mds需求数之和，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；
30.当月第15天之后动态系数ω＝0.7*a/c+0.2*m/n+0.1*p/q；
31.其中变量a为当月初到当天之前总共装机数，c为当月初到当天之前总mds需求数，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；
32.s3，利用动态系数构建线性回归方程计算当月预计装机数。
33.优选地，所述线性回归方程具有动态系数，具体过程通过以下公式进行：
34.当月前15天：y＝ω*x+a；
35.其中ω为权利要求1所述的动态系数，x为当天及之后的14天mds需求数之和，a为当天之前的15天的实际装机数之和；
36.当月第15天之后y＝ω*x+a+b；
37.其中ω为权利要求1所述的动态系数，x为当天到当月末的总mds需求数，a为当月初到当天之前总共装机数，b为当月最后一天的mds需求数。
38.优选地，当该算法在当月前15天和当月第15天之后两个时间阶段进行计算时，有着不同线性回归方程，当月前15天的线性回归方程为y＝ω*x+a，当月第15天之后的线性回归方程为y＝ω*x+a+b。
39.在本实施方案中，基于动态系数的线性预测算法，包括以下内容：
40.1.相关变量定义：
41.(1)、当月前15天阶段：
42.变量x:当天及之后的14天mds需求数之和；
43.变量a:当天之前的15天的实际装机数之和；
44.变量b:当天之前的15天mds需求数之和；
45.变量m:去年同月的总装机数；
46.变量n:去年同月的mds总需求数；
47.变量p:前年同月的总装机数；
48.变量q:前年同月的mds总需求数；
49.当天的动态装机系数ω会根据当天前15的装机计划完成率、去年同月装机计划完成率和前年同月装机计划完成率来按不同权重共同调整；
50.当天的动态装机系数为ω＝0.7*a/b+0.2*m/n+0.1*p/q。
51.(2)、当月第15天之后阶段：
52.变量x:当天到当月末的总mds需求数；
53.变量a:当月初到当天之前总共装机数；
54.变量b:当月最后一天的mds需求数；
55.变量c:当月初到当天之前总mds需求数；
56.变量m:去年同月的总装机数；
57.变量n:去年同月的mds总需求数；
58.变量p:前年同月的总装机数；
59.变量q:前年同月的mds总需求数；
60.当天的动态装机系数ω会根据当月初到当天装机计划完成率、去年同月装机计划完成率和前年同月装机计划完成率来按不同权重共同调整，当天的动态装机系数为ω＝0.7*a/c+0.2*m/n+0.1*p/q。
61.2.各阶段的月度预计装机数计算逻辑：
62.(1)、前15天阶段：当月前15天阶段，由于对本月的装机情况参照数据较少，用前年同月装机计划完成率、去年同月装机计划完成率和当天之前15天装机完成率分别按0.1、0.2和0.7的权重来计算当天的装机系数ω，由此系数ω来判断当天及之后14天的装机趋势,ω的计算公式为ω＝0.7*a/c+0.2*m/n+0.1*p/q，用当天及之后14天的mds需求数乘以ω可以得到当天及之后14天的预计装机数，再加上当天之前15天实际装机数，就可以得到当月的预计装机数，建立具有动态系数的线性回归方程为y＝ω*x+a，该方程的斜率ω会每天动态变化。
63.例如：当天是当月第11天时，装机预测情况如图2所示，其中a为当天之前15天的装机数，b为当天之前15天的mds需求数，x为当天及之后14天的mds需求数，m为去年同月的总装机数，n为去年同月的mds总需求数p为前年同月的总装机数，q为前年同月的mds总需求数，当天的装机系数ω＝0.7*a/b+0.2*m/n+0.1*p/q，预测装机数y＝ω*x+a。
64.(2)、15天之后阶段：当月15天之后阶段，用前年同月装机计划完成率、去年同月装机计划完成率和以月初到当天的装机完成率分别按0.1、0.2和0.7的权重来计算当天的装机系数ω，由此系数ω来判断当天到月末的装机趋势,ω的计算公式为ω＝0.7*a/c+0.2*m/n+0.1*p/q，用当天到月末的mds需求数乘以ω可以得到当天到月末的预计装机数，再加上月初到当天之前的实际装机数，就可以得到当月的预计装机数，建立具有动态系数的线性回归方程为y＝ω*x+a+b，该方程的斜率ω会每天动态变化。
65.例如：当天是当月第21天时，装机预测情况如图3所示，其中a为当月前20天总共装机数，c为当月前20天总mds需求数，x为当月第21天到月末的总mds需求数，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数，当天的装机系数ω＝0.7*a/c+0.2*m/n+0.1*p/q，预测装机数y＝ω*x+a+b。
66.最后应当说明：以上所述实施方式仅仅是对本发明的较优实施例用以说明本发明的技术方案，而非对其限制，更不是限制本发明的保护范围；尽管参照前述各实施例对发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离权利要求的保护范围。

技术特征：
1.一种基于动态系数的装机预测算法，其特征在于，包括以下步骤：s1，获取当前日期，计算当前日期与当月起始日期之差，根据日期之差是否小于15天，并采用不同的公式进行计算；s2，获取到影响动态系数的各相关变量，计算各时间段的实际装机数所占mds需求数的比例，依据其对当月装机的不同影响，按照不同的权重比进行求和，得到动态装机系数，具体过程通过以下公式进行：当月前15天动态系数ω＝0.7*a/b+0.2*m/n+0.1*p/q；其中变量a为当天之前的15天的实际装机数之和，b为当天之前的15天mds需求数之和，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；当月第15天之后动态系数ω＝0.7*a/c+0.2*m/n+0.1*p/q；其中变量a为当月初到当天总共装机数，c为当月初到当天总mds需求数，m为去年同月的总装机数，n为去年同月的mds总需求数，p为前年同月的总装机数，q为前年同月的mds总需求数；s3，利用动态系数构建线性回归方程计算当月预计装机数。2.根据权利要求1所述的一种基于动态系数的装机预测算法，其特征在于，所述线性回归方程具有动态系数，具体过程通过以下公式进行：当月前15天：y＝ω*x+a；其中ω为权利要求1所述的动态系数，x为当天及之后的14天mds需求数之和，a为当天之前的15天的实际装机数之和；当月第15天之后y＝ω*x+a+b；其中ω为权利要求1所述的动态系数，x为当天到当月末的总mds需求数，a为当月初到当天之前总共装机数，b为当月最后一天的mds需求数。3.根据权利1所述的一种基于动态系数的装机预测算法，其特征在于，当该算法在当月前15天和当月第15天之后两个时间阶段进行计算时，有着不同线性回归方程，当月前15天的线性回归方程为y＝ω*x+a，当月第15天之后的线性回归方程为y＝ω*x+a+b。

技术总结
本发明公开了一种基于动态系数的装机预测算法，具体步骤如下：S1，获取当前日期，计算当前日期与当月起始日期之差，根据日期之差是否小于15天，并采用不同的公式进行计算；S2，获取到影响动态系数的各相关变量，计算各时间段的实际装机数所占MDS需求数的比例，依据其对当月装机的不同影响，按照不同的权重比进行求和，得到动态装机系数，S3，利用动态系数构建线性回归方程计算当月预计装机数。本发明有效地解决了现有技术中因MDS表存在制定的装机需求计划不能随近期和长期历史装机实际情况而调整的问题。整的问题。整的问题。


技术研发人员：库福来 王益川
受保护的技术使用者：重庆青山工业有限责任公司
技术研发日：2023.06.26
技术公布日：2023/9/20