基于AdaBoost-PSO-BP的舰船维修费预测方法

针对舰船装备维修费影响因素复杂、预测结果不稳定等问题，构建了AdaBoost-PSO-BP的舰船维修费用预测模型。引入机器学习中的方法，针对BP神经网络在较小样本规模的情况下精度不高的问题，采用粒子群算法和早期停止法，确定了最佳参数，消除了过拟合现象，并通过AdaBoost将BP神经网络优化集成，提升了模型的准确度和稳定性。实例验证了该模型的实用性、科学性和有效性。