本发明公开了一种基于改进随机森林的船舶主机备件预测方法，首先采集船舶主机备件原始的历史数据，按照一定的比例划分为训练集和测试集，再运用全局粒子群算法对通过集成学习形成的随机森林模型中的参数进行第一次调优，获得局部最优参数值；然后在局部最优参数值附近重新选定合适区间进行小步长的网格搜索算法，对随机森林参数进行第二次精细寻优，并且不断缓慢扩大区间，逐步跳出局部最优情况，获取最优参数；使用改进后的随机森林模型对船舶主机备件的历史数据进行训练，得到预测模型，并利用测试集进行回归预测，以获得最佳的预测效果。本发明方法可以有效为船舶公司中长期主机备件需求的预测提供新途径，从而优化公司内部库存管理。