一种基于监督学习的终端自动化智能调控优化方法

本申请公开了一种基于监督学习的终端自动化智能调控优化方法，首先将获取的数据中的异常数据剔除后获得样本数据；依据样本数据构建监督学习模型，并提取监督学习模型中样本数据的时序特征；然后将时序特征与后续获取的训练样本数据进行比对；利用训练样本数据对监督学习模型进行训练；根据训练后的监督学习模型对相应的目标设备在阈值范围内进行动态调控。提取时序特征提升监督学习模型的鲁棒性，更优化了监督学习模型输出的控制策略，并持续获取训练样本数据对监督学习模型进行训练，形成闭环反馈机制，在长期运行中自动探索最优调控路径，减少人工干预需求，无需依赖精确物理方程。同时，可提前获得预警，及时执行控制策略。