【摘要】 在航空公司运营中，航材采购与管理是仅次于飞机购置和燃油成本的重要支出，优化航材库存管理对提升资金利用效率具有重要意义。本文基于真实生产发料数据，提出了一种基于长短期记忆（LSTM）神经网络的航材消耗件需求预测方法。创新性地设计了同时表征机队机龄分布与个体差异的特征数据，结合节假日、淡旺季等外部因素，提升预测精准度。采用基于消耗件分类的需求预测策略，利用LSTM模型对分类后航材进行多步预测，并与传统时间序列方法（如简单移动平均法、ARIMA等）进行对比，实验结果表明，LSTM模型在预测精度上具有明显优势，能够有效支持库存预警和供应链优化。更多还原