概念漂移数据流全工况预测模型研究

数据流中概念漂移问题是数据驱动建模领域面临的一大挑战,近年来受到广泛的关注。本文提出一种应对数据流中概念漂移问题的自适应预测算法,采用聚类思想选择建模样本,并利用RBF神经网络建立对象全局非线性模型。实验结果表明该算法具有较好的实时预测能力和自适应能力,同时相比已有的采用滑动窗技术的概念漂移算法能够更好地反映对象全工况范围的非线性关系。