关于化工中机理模型和黑箱模型的思考

数据挖掘技术是不是饮鸩止渴？现时中企业和工业是怎么看待和使用数据挖掘所得到的结果的？

数据挖掘技术现在非常火热，在我所在的领域（化工），使用数据挖掘技术来分析和回归所得到数据被认为是一种“先进”的做法，与此相关的项目和paper也在逐渐增加。

我所看到的技术，都将数据挖掘当做一个黑箱，似乎把什么样的数据放入其中，都能阐明变量间的联系大小，得到一个回归得不错的模型。

然而我很怀疑这种将内在联系当成黑箱的建模的做法预测的精度是否真如传说中那么可信，也在怀疑不经过真正的机理和原理研究所得到的结果将来会不会遇到很大的阻碍。所以有如下问题：

1 数据挖掘技术是否是为了实现数据回归所作的妥协。过度依赖它是不是一种饮鸩止渴？

2 企业是如何看待数据挖掘技术所得到的结果，依据的标准是什么？

我的想法：

个人觉得工业界和学术界的目的不一样，也决定了对待这样的数据挖掘出来的模型的有不一样的态度。学术界的目的就是发paper，所以尝试新鲜想法，蹭热点，目的都是为了发paper 。工业界的目的是利润，有时候只要能解决问题，不管它黑猫还是白猫。一切都是以成本，利润为主要考量的。模型的具体选择，需要随着场景，目的，成本，精确度等的变化来考量。

关键词：  化工模型  火力发电模型  水电模型

编辑精选内容：

【火力发电模型】火力发电弊端