学位论文简介
本文在挖掘机时序和企业财务时序的预测研究中进行探索与创新，主要研究成果与创新概括如下：
1)针对挖掘机异常自动检测问题，本文探索利用机器学习方法，基于从多个传感器收集的挖掘机时间序列数据，来自动检测挖掘机异常。首先，对采集的数据进行了一系列预处理工作（比如清洗、异常样本标记等）。然后，设计了三种基于机器学习算法的异常检测方案。三种算法分别为反向传播神经网络、支持向量机、以及决策树。实验结果显示，其异常检测准确率高达99.88%，明显优于以往的异常检测方法。
2)为了帮助挖掘机相关作业人员更好地了解挖掘机的故障情况，助力他们及时有效地进行故障处理。本文提出了一个基于编码器-解码器的分层模型，利用多种挖掘机传感器时间序列数据自动生成文本形式的故障描述。并且，为了解决故障检测或预测结果与描述词之间的对齐问题，设计了两种形式的注意力机制。基于来自三一重工集团的挖掘机的真实传感器时间序列数据，进行了实验验证。结果表明，该模型可以有效地自动生成挖掘机的故障描述。
3)面对疫情对企业产生的巨大影响，本文提出了一个LSTM与数据拟合相结合的预测模型，来预测疫情期间的企业利润。该模型首先基于历史财务时间序列数据预测出未受疫情影响的企业利润。然后，将疫情对企业利润产生的影响进行建模，量化疫情对企业利润产生的影响。最后，用未受疫情影响的企业利润预测值减去疫情对企业利润的影响，从而得到疫情期间企业利润的预测值。基于真实的财务时间序列数据进行实验验证，结果表明，该模型的预测性能非常好，误差小，精度高。并且，该项研究成果成功应用于第4项研究工作，即疫情期间收益最大化的企业复工复产策略。
4)疫情期间，实施社交隔离来防止疫情快速蔓延，是最有效的防疫措施。严格的检疫隔离，会使得企业停工停产。为了促进经济复苏，需在做好疫情防控的前提下，逐步实现企业复工复产。而企业复工复产的优先顺序如何制定是政府等相关部门面临的决策问题，而依据什么来决定企业复工复产的顺序是一个需要解决的问题。为此，本文提出了一个疫情期间最优的企业复工复产策略。该策略在控制疫情爆发的前提下，逐步实现企业复工复产，并使其经济收益最大化。并且，设计了两种贪心策略对该问题进行求解。使用真实数据进行了实验验证，证明了该策略的可行性与最优性。
主要学术成果
Pan B, Zhou Q*, Chen G. CQPPS: A scalable multi‐path switch fabric without back pressure. IET Communications, 2021, 15(16): 2036-2045 （SCI，共同一作兼通讯作者，中科院四区，CCF推荐C类期刊）
Zhou Q, Chen G*. An Efficient Victim Prediction for Sybil Detection in Online Social Network. IEEE Access, 2020, 8:123228-123237（SCI，第一作者，中科院二区）
Zhou Q, Chen G*, Jiang W, et al. Automatically Detecting Excavator Anomalies Based on Machine Learning. Symmetry, 2019, 11(8):957（SCI，第一作者，中科院四区）
陈果，周清清，陈建国，李肯立，李克勤. 设备体检报告生成方法、装置、计算机设备和存储介质. 中国专利. 发明专利. ZL201910597798.5, 2020-06-02
Zhou Q, Chen G*, Jiang W, et al. Automatically generate excavator fault descriptions using a hierarchical model of encoder-decoder. ACM COMPUTING SURVEYS（投稿中，SCI，第一作者，中科院一区）
Zhou Q, Chen G*, Jiang W, et al. Use LSTM and data fitting to predict enterprise profits during epidemic situation. IEEE Transaction on Industrial Informatics（投稿中，SCI，第一作者，中科院一区）
Zhou Q, Chen G*, Jiang W, et al. Strategies for enterprises to return to work and production to maximize profits during the epidemic. IEEE Computational Intelligence Magazine （投稿中，SCI，第一作者，中科院一区）
