基于概念漂移检测的数字孪生流程预测模型
Digital twin process prediction model based on concept drift detection作者机构:安徽理工大学数学与大数据学院安徽淮南232001 安徽省煤矿安全大数据分析与预警技术工程实验室安徽淮南232001
出 版 物:《计算机应用研究》 (Application Research of Computers)
年 卷 期:2024年第41卷第7期
页 面:2039-2045页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:国家自然科学基金资助项目(61572035) 安徽省重点研究与开发计划资助项目(2022a05020005) 安徽省自然科学基金资助项目(水科学联合基金)(2308085US11) 安徽理工大学研究生创新基金资助项目(2022CX2137)
摘 要:预测性流程监控可以在业务流程运行过程中提供及时的信息,以便采取措施来应对潜在风险,如何提高流程预测的准确度一直受到高度关注。现有的研究方法大部分都在静态环境下引入,很少有结合数字孪生技术用于动态环境的流程预测。为此,提出了一个基于概念漂移检测的方法,并构建数字孪生流程预测模型(digital twin based on concept drift,DTBCD)预测下一个活动。首先利用事件流行为关系和权重散度将流程中的活动进行特征提取,得到数据流的特征集,其次进行漂移检测,动态选择特征集输入人工智能模型中训练并预测下一个活动,然后运用物联网和云计算等先进技术创建数字孪生虚拟环境,最后得到基于概念漂移的数字孪生模型。通过公开可用的数据集进行评估分析,实验结果表明,提出的方法能够有效提高预测的准确性。