智能数据建模软件DTEmpower 2025R3版本发布 原创

天洑智能数据建模软件DTEmpower在2025R2版本基础上，新增大量更新和Bug修复，持续提升软件性能，改善用户体验。

现DTEmpower 2025R3版已正式上线天洑软件官网，欢迎下载体验！

R3版本主要更新：

一、新增趋势分析功能

数据管理模块新增时间序列分析板块，可从中进入趋势、突变分析功能。该功能内置曼肯德尔检验等分析方法，专门用于检验时间序列数据中的趋势特征，适配于金融、气象、工业时序分析等场景。

支持用户根据数据特性自定义选择时间变量、序列变量及显著性水平，满足不同分析精度需求；执行分析后，可在统计分析页面一键查看包含趋势分析图、序列 / 时间变量汇总、假设、结果与结论的完整报告，高效完成时间序列数据的趋势研判。

二、新增突变分析功能

数据管理模块的时间序列分析板块同步新增突变分析功能，集成曼 - 肯德尔检验（序贯）核心算法，区别于整体趋势检验，可精准追踪趋势演变过程并识别突变点，广泛适配气候学、水文学、生态学等突变检测场景。

支持自定义选择时间变量、序列变量及显著性水平，执行分析后可在统计分析页面查看包含突变分析图、UF-UB 统计量折线图、序列 / 时间变量汇总、假设与结果的完整报告，精准定位时间序列数据的异常突变节点。

三、新增质量控制功能

数据管理模块新增质量控制板块，内置 I-MR 图质量控制核心方法，由单值控制图（I 图）和移动极差控制图（MR 图）组成，适配连续变量的过程稳定性监控与异常识别。

支持自定义选择目标变量、子组变量、标识变量，并配置对应的参数与判异规则，满足不同生产 / 业务场景的质量管控需求；执行分析后可在统计分析页面查看包含单值图、单值判异规则违例信息及结论的质量控制报告，助力高效开展全流程质量管控。

四、时序预测新增LSTM模型

时序预测模块新增长短时记忆网络（LSTM）模型，专门针对传统算法难以处理的长序列数据场景优化。通过独特门控机制有效捕捉时间序列中的长期依赖关系，解决梯度消失问题，在能源负荷、气象变化、生产产能等复杂预测任务中表现更优，预测精度较传统模型提升显著。

其灵活参数配置，适配多元场景。支持用户根据数据特性自主定制模型参数，满足不同复杂度预测需求，核心可配置项包括基础配置、网络结构、正则化和训练配置。

LSTM具备可视化监控界面，全程掌握训练状态。LSTM执行阶段新增实时监控界面，以可视化图表动态呈现全流程，关键监控维度包括：

■ 训练进度：动态展示迭代次数、完成占比及剩余耗时，精准把控训练节奏；

■ 模型信息：同步呈现训练集/测试集大小、批次大小、优化器等信息，直观掌握模型底数；

■ 精度指标：实时更新R2等核心指标，及时判断模型收敛状态。

训练完成后将自动生成时序预测模型（tsmodel），用户可自主进入该模型查看完整内容，包括模型信息、参数配置及时间序列图、精度指标、相关性分析、残差分析等核心结果。

五、外部程序调用

开放外部程序调用接口，支持接入自定义算法逻辑，打破平台内置功能边界，适配个性化、场景化的复杂数据处理需求。该功能兼容多类型外部程序文件，包括 Python 脚本（.py）、Java 可执行类（.class）、Shell 脚本（.sh）、Windows 批处理（.bat/.cmd）及系统级二进制可执行文件（.exe）等；支持自定义配置执行命令、工作目录、超时时间及环境变量，例如可指定 Python 虚拟环境路径、自定义库依赖路径，或设置程序运行超时阈值。

执行流程支持与平台内置功能无缝衔接：上游可通过数据存储节点输出 CSV 等格式的中间数据，外部程序调用节点读取数据后执行自定义清洗、特征工程等操作，下游可通过数据读取节点将处理结果回读至平台。

六、数据读取节点改造

优化数据读取节点，在保留原有从项目中获取文件能力的基础上，新增本地磁盘文件直读功能，可直接选择磁盘路径读取文件，适配更多数据接入场景。

欢迎到天洑官网下载体验，安装就自带30天免费试用！