基于人工智能的工业运行数据短期预测方法探析

作     者：陈宏 苏征 张菁 黄若铖 

作者机构：四川省经济和信息化厅信息中心 

出 版 物：《数字技术与应用》 (Digital Technology & Application)

年 卷 期：2024年第42卷第12期

页      面：19-21页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：人工智能 数据清洗 工业数据 短期预测 大数据 传感器技术 时间序列分析 精准管理 

摘      要：进入工业4.0时代后,大数据与人工智能的结合赋予了工业运行数据预测和分析全新的可能性。短期预测作为工业决策的核心要素,其精确性直接关系到企业的生产效率和成本控制,因此,深入研究基于人工智能的工业运行数据短期预测方法,对提升工业智能化水平意义深远。随着传感器技术和人工智能自动化设备的广泛应用,工业现场产生的数据量呈现爆炸性增长,这些数据中蕴含着设备运行规律、生产流程优化空间以及潜在的风险预警信息,借助人工智能技术对这些数据进行深度挖掘和短期预测,能够为企业提供决策支持,实现精准管理和风险控制。针对工业数据的多样性、复杂性和噪声干扰,研究有效的数据清洗、降噪和特征提取技术,可以提高预测模型的鲁棒性。基于此,本文通过构建ARIMA-SVM组合模型,使用自回归移动平均(ARIMA)模型进行时间序列分析,并结合支持向量机(SVM)进行工业运行数据的短期预测,以期为工业领域的决策提供科学依据。