49、工业物联网中基于机器学习的关键性能指标预测方法及低轨卫星网络路由模型

工业物联网中基于机器学习的关键性能指标预测方法及低轨卫星网络路由模型

工业物联网关键性能指标预测

在现代工厂中，随着传感器网络应用的增加，工业物联网（IoI）取得了显著进展。工业智能化基于工业物联网技术以及工业数据分析和预测。下面将介绍两种用于工业物联网关键性能指标（KPI）预测的机器学习方法。

预测建模方法

• 多变量线性回归模型 ：回归分析由高尔顿在19世纪后期提出，最简单的是线性回归，用于分析一个或多个自变量与因变量之间的关系，使用线性回归方程的最小二乘函数。只有一个自变量的线性回归称为简单线性回归，但实际中一个变量通常受多个因素影响，因此需要多变量线性回归建模（MLRM）。其一般表达式为：
  [Y = b_0 + b_1x_1 + b_2x_2 + \cdots + b_px_p + e; e \sim N(0, \sigma^2)]
  其中，(x_1, x_2, \cdots, x_p(p \geq 2)) 是自变量的值，(Y) 是因变量，(b_1, b_2, \cdots, b_p) 是模型系数，(e) 是随机误差。
  如果进行 (n) 次观测，(n) 组样本收集的数据 (x_{i1}, x_{i2}, \cdots, x_{ip}, Y_i (i = 0, 1, \cdots, n; n > p)) 可以用矩阵形式表示：
  [Y =
  \begin{bmatrix}
  Y_1 \
  Y_2 \
  \vdots \
  Y_n
  \end{bmatrix},
  X =
  \begin{bmatrix}
  1 &