人工智能算法在数字孪生系统中数据挖掘与数据分析的研究与应用  

Research and Application of Artificial Intelligence Algorithms in Data Mining and Data Analysis in Digital Twin System

作　　者：姜滟稳[1] 江自昊[1] JIANG Yanwen;JIANG Zihao(Wuhu Institute of Technology,School of Information and Artifical Intelligence,Wuhu,Anhui 241000)

机构地区：[1]芜湖职业技术学院信息与人工智能学院,安徽芜湖241006

出　　处：《绍兴文理学院学报》2023年第10期89-94,共6页Journal of Shaoxing University

基　　金：芜湖职业技术学院质量工程项目“中青年骨干教师”(2022ggjs06);安徽省高等学校省级质量工程项目“人工智能专业群教学团队”(2021jxtd318);安徽省重点教学研究项目“工业机器人应用编程技术虚拟仿真实验教学项目”(2021xnfzxm099);安徽省重点科学研究项目“基于PBR技术与VR技术相结合的交互式徽派建筑群系统的设计与研究”(KJ2020A0918)。

摘　　要：为解决数字孪生系统数据利用率低下的问题,结合5G、边缘计算、网络切片等新兴网络技术,提高系统前后端模块的数据采集和实时传输功能.使用YOLOv5s目标检测算法和CutMix数据增强法,对数据进行深度挖掘,将非结构化数据进行特征提取,标记为结构化数据;最终通过XGBoot算法进行多轮线性回归测试,优化系统的决策树,提高系统数据的整体利用率.The study is to solve the low data utilization when the digital twin system performs a data analysis.Combined with 5G,edge computing,network slicing and other emerging network technology,the system attempts to improve the data collection and real-time transmission functions of the front and rear modules of the system.Using the YOLOv5s objective detection algorithm and CutMix data augmentation method,it deeply mines the data,extract features from unstructured data,and labels it as structured data.Finally,multiple rounds of linear regression testing were conducted using the XGBoot algorithm to optimize the decision tree of the system and improve the overall utilization of system data.

关 键 词：人工智能 非结构化数据 数字孪生系统 网络切片 决策树 XGBoot算法 

分 类 号：TP182[自动化与计算机技术—控制理论与控制工程]