大数据环境下的船舶中间产品装配工时预测模型

基于大数据环境提出考虑误差修正的两阶段船舶中间产品装配工时预测模型。从船舶设计软件中提取中间产品装配工艺信息,建立反向传播神经网络(Back Propagation Neural Network, BPNN)模型,实现装配工时的初步预测。采集对装配工时预测可能造成影响的外界因素大数据,建立基于极端梯度提升(Extreme Gradient Boosting, XGBoost)算法的装配工时预测误差修正模型。两阶段预测结果相加得到装配工时预测值。实例验证该预测模型的有效性,可为船舶企业完善装配工时管理提供切实可行的解决思路。