计算机应用研究

作者：熊正云,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：预测性流程监控,活动预测,漂移检测,数字孪生,

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)；；

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。

来源：2024年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第7期