基于XGBoost及卡尔曼粒子滤波器的设备需求方法

本申请属于装备保障与资源调配技术领域。一种基于XGBoost及卡尔曼粒子滤波器的设备需求方法包括对原始设备数据进行噪声消除，得到标准数据集；利用所述标准数据集对初始XGBoost模型进行训练，调整所述初始XGBoost模型的参数，得到目标XGBoost模型；利用目标XGBoost模型，对设备的当前标准数据集进行预测，得到初始输出设备消耗需求量预测；利用卡尔曼粒子滤波器，对所述初始输出设备消耗需求量预测，进行校正，得到目标输出设备消耗需求量预测。通过上述方法，能够确保模型在实际应用中的稳定性和可靠性。