A CRISP-DM-based Methodology for Assessing Agent-based Simulation Models using Process Mining

代理模拟（ABS）模型是分析复杂系统的强大工具。然而，理解和验证ABS模型可能是一个重大挑战。为了解决这个问题，最先进的数据驱动技术提供了分析ABS模型结果的复杂能力。其中一种技术是过程挖掘，它包括一系列从事件日志中提取知识以发现、监控和增强过程的方法。然而，将过程挖掘应用于从ABS中导出的事件日志并从所得到的过程模型中得出有意义的见解并不是一件简单的事情，这增加了另一层复杂性。虽然过程挖掘在从ABS模型中提取洞察力方面是不可或缺的，但在研究领域中缺乏全面的方法论指导其在ABS评估中的应用。在本文中，我们提出了一种基于CRoss-Industry Standard Process for Data Mining（CRISP-DM）方法论的方法，使用过程挖掘技术评估ABS模型。我们将过程挖掘技术纳入CRISP-DM方法论的各个阶段，促进ABS模型行为及其基本过程的分析。我们使用一个已建立的代理模型，Segregation Schelling模型，来演示我们的方法。我们的结果表明，我们提出的方法可以通过产生的事件日志有效地评估ABS模型，这可能为增强代理模型的有效性和更深入的决策制定铺平道路。

如何使用过程挖掘技术评估基于代理的模拟模型的有效性？

提出了一种基于CRISP-DM方法的方法学，将过程挖掘技术应用于代理模拟模型的评估中，以揭示其行为和底层过程。

使用已建立的Schelling隔离模型演示了该方法的有效性，可以通过生成的事件日志对代理模拟模型进行评估，为增强代理模拟模型的有效性和更深入的决策提供了可能。

与过程挖掘技术和代理模拟模型评估相关的其他研究包括：《过程挖掘：发现过程、监控过程和增强过程》、《代理模拟模型的验证和验证：一个综述》、《基于代理的模型评估：一个框架和方法》等。