计算机应用研究

作者：张润涛,方贤文,

单位：1.安徽理工大学数学与大数据学院,安徽淮南232001；2.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；

关键词：过程模型预测,直接后继关系,时间序列分析,流程演变,过程挖掘,

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)；；

预测性流程监控（predictive process monitoring，PPM）是流程挖掘中的关键任务，旨在基于当前事件日志预测未来流程行为。然而，现有的PPM方法大多集中在对单个流程实例的短期预测，例如下一个活动预测、剩余处理时间预测等，预测范围有限且缺乏对流程演变的全局视角，从而无法提供流程模型在较长时间范围内的演变趋势。因此，提出了一种基于时间序列分析的过程模型预测（PMF）方法，将原始事件日志转换为多维时间序列数据，系统性地捕捉流程中所有活动对（直接后继关系）在时间上的频率演变。在考虑直接后继关系之间的相互影响下，预测出未来直接跟随图，从而实现对整个过程模型的长时间范围预测。实验结果表明，该方法在多个真实流程日志上均优于传统时序分析方法，在预测准确性和稳定性方面表现突出，具备良好的应用前景。

来源：2025年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第11期