排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
[目的/意义]大数据环境下的突发事件风险信息预警备受关注,当信息因不确定性因素发生动态变化时,实时有效地预测预警风险信息变化支持决策至关重要。[方法/过程]从数据科学和信息不确定性视角,构建一个基于数据流学习的突发事件风险信息预警框架,即构建基于滑动窗口和残差拟合的混合自适应在线学习过程对风险信息进行动态预测,并嵌入实时特征选择过程提升结果稳定性,再根据预测结果标记预警信号来支持响应决策,最后结合实际提出预警体系。[结果/结论]对多场景的数据流进行测试验证,表明该框架能实时、有效地对事件风险信息进行预测预警,缩短应急响应时间。[局限]还需更多具有复杂性和多变性的应用场景进行方法优化。 相似文献
1