文章摘要:在高端制造企业运维业务中，配件需求随机发生，且伴随有大量的零需求阶段，对应的配件需求数据量小，同时呈现出间歇性和块状分布的特点，导致现有时间序列预测方法难以有效预测配件需求走势。为解决该问题，本文提出了一种间歇性时间序列的可预测性评估及联合预测方法。首先提出了一种新的间歇相似度指标，通过统计两条序列中“0”元素出现的频次和位置，并结合最大信息系数和平均需求间隔等度量指标，有效评估了序列的趋势信息和波动规律，实现对间歇性序列可预测性的量化；其次，基于该指标，构建了一个间歇相似度层次聚类方法，自适应筛选相似性高、可预测性强的序列，剔除极度稀疏、无法预测的序列，并利用序列间的结构化信息，构建多输出支持向量回归模型（M-SVR），实现小样本下的间歇性序列联合预测；最后，分别在两个公开数据集（UCI礼品零售数据和华为电脑配件数据）和某大型制造企业实际配件售后数据进行实验，结果表明，相比于多个典型的时间序列预测方法，本文方法可有效挖掘各类间歇性序列的可预测性，提高小样本间歇性序列的预测精度，从而为制造企业配件需求预测提供了一种新的解决方案。

文章关键词:

项目基金:国家重点研发计划专项项目(2018YFB1701400),国家自然科学基金项目(U1704158),河南省科技攻关项目(212102210103),