工业物联网中基于机器学习方法的预测技术

• 作者: 杨波 武悦 江元 王钢 郑黎明
• 来源期刊: 物联网技术
• 关键词: 工业物联网 机器学习 神经网络 预测 工业智能 线性回归
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 45-48
• 页数: 4页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.02.011

摘要

随着传感器网络等技术在工业领域的不断拓展,工业物联网技术得到了长足发展.工业物联网及基于工业物联网的数据分析与预测是工业智能系统的基础.文中关注在工业互联网环境下,工业智能系统在训练阶段利用有监督的机器学习方法,将工艺参数以及环境参数作为输入,将生产过程关注的关键性能指标作为输出,从而对生产线复杂系统进行建模;在生产阶段利用训练阶段的系统模型及当前输入对关键性能指标进行预测.分别利用多元线性回归和非线性BP神经网络方法建模,并利用当前输入对输出结果进行预测,从而对关键性能指标进行预警及预处理操作.同时还利用真实的工业物联网数据进行了仿真和验证,证明了基于BP神经网络的预测方法性能优于线性预测技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王钢		105	536	11.0	18.0
2	杨波		16	3	1.0	1.0
3	江元		11	7	2.0	2.0
4	郑黎明		11	28	3.0	5.0
5	武悦		8	9	2.0	2.0