机理模型与数据驱动融合模型

机理模型与数据驱动融合模型是工业AI区别于通用AI的关键特征。它强调将基于物理、化学等基本原理的机理模型与基于大数据和机器学习的数理统计模型相结合，以实现更准确、更鲁棒的工业智能应用。

模型类型

• 机理模型: 基于物理、化学等基本原理构建的数学模型，如基于物理模型的监测参数工业模型、腐蚀预测工艺模型等。其优势在于可解释性强，外推能力好。
• 数据驱动模型: 基于大量历史数据，通过机器学习算法（如深度学习、神经网络）学习数据中的模式和规律，如基于深度学习的故障监测工艺模型、基于智能学习的寿命预测工艺模型。其优势在于能够处理复杂、非线性的关系。
• 融合模型: 将机理模型和数据驱动模型有机结合，取长补短。例如，利用机理模型提供物理约束，指导数据驱动模型的学习；或利用数据驱动模型修正机理模型中的不确定参数。

在工业智能算网中的价值

工业智能算网能够为智能检测与运维场景提供丰富的机理模型和数据驱动的工业智能算法以及二者的融合模型，帮助行业积累专有模型和知识，加速模型沉淀周期。