梯度提升树模型

针对电力公司物资库龄长、周转率低等问题，文章通过分析物资周转显性化特征，梳理影响物资周转和积压的因素，引入物资需求偏差、项目施工进度偏差等指标参数，提出一种基于梯度提升树的物资在库时长预测模型, 通过多参量构建梯度回归树拟合损失函数得出学习率，于预测模型中进行物资在时长预测。通过对某电力公司2017—2019年物资数据进行训练和预测，经实验分析该模型对电力物资在库时长预测准确率为95%。同BP神经网络、L1/2稀疏迭代回归和线性回归算法比对后发现，该模型在方差、误差、准确率方面优于其他算法，证明了该模型准确性和实用性。