资产作为企业在生产经营过程中的重要生产资料,是集团企业的核心竞争力,对企业生产力的评估至关重要,一个企业一定时期资产数量的多少和质量的高低,直接影响着这个企业的生产能力和获利能力。资产管理系统是在对有形资产进行信息化和标签化管理的基础上,通过工作单和工作流审批的方式对企业资产实现全生命周期管理的信息平台。企业设备是企业资产的重要组成部分,本文在对资产管理系统的业务流程和数据流向分析研究的基础上抽象出了影响设备寿命的多个因素,并在选取的特征因素的基础上构建了企业设备寿命预测模型。对于企业设备寿命的预测能够对企业的备品备件数量确定,采购计划确定,维修检修计划制定,资产折旧计算等方面提供重要的参考依据,从而间接提高企业资产的使用效率,优化企业的管理方式。由于BP神经网络在预测问题上的广泛应用和优秀的非线性泛化能力,设备寿命预测模型的构建采用BP神经网络。预测模型的构建采用理论分析和仿真实验相结合的方法,通过理论研究确定实验的方向,通过实验结果确定最终的模型。论文研究首先通过多次仿真对比实验确定了BP神经网络模型的结构和参数,并在理论分析和实验的基础上提出了模型的改进方向,之后采用浮点数编码的遗传算法对神经网络进行全局优化提高了模型的稳定性,最后在仿真实验的基础上对GA-BP模型的适应度函数和交叉算子进行了改进,提高了模型的训练效率,使改进的GA-BP模型更加适合企业设备寿命的预测。基于影响设备寿命因素的确定和有效预测模型的构建,本文设计实现了基于hadoop、hive和sqoop等大数据处理技术的ETL模型,并在此模型的基础上设计实现了结合python预测服务和javaWeb等技术的企业设备寿命预测系统。系统的设计实现依托于某企业资产管理系统并充分考虑某资产管理系统的技术实现和运行现状,实现了对于原系统的低依赖、保证了预测的时变性并可支持大数据量的数据处理规模,从而为在企业资产管理系统上构建资产预测系统提供了可供参考借鉴的样例。