天洑智能數據建模軟件DTEmpower在2025R2版本基礎上，新增大量更新和Bug修復，持續提升軟件性能，改善用戶體驗。

現DTEmpower 2025R3版已正式上線天洑軟件官網，歡迎下載體驗！

R3版本主要更新：

一、新增趨勢分析功能

數據管理模塊新增時間序列分析板塊，可從中進入趨勢、突變分析功能。該功能內置曼肯德爾檢驗等分析方法，專門用于檢驗時間序列數據中的趨勢特征，適配于金融、氣象、工業時序分析等場景。

支持用戶根據數據特性自定義選擇時間變量、序列變量及顯著性水平，滿足不同分析精度需求；執行分析后，可在統計分析頁面一鍵查看包含趨勢分析圖、序列 / 時間變量匯總、假設、結果與結論的完整報告，高效完成時間序列數據的趨勢研判。

二、新增突變分析功能

數據管理模塊的時間序列分析板塊同步新增突變分析功能，集成曼 - 肯德爾檢驗（序貫）核心算法，區別于整體趨勢檢驗，可精準追蹤趨勢演變過程并識別突變點，廣泛適配氣候學、水文學、生態學等突變檢測場景。

支持自定義選擇時間變量、序列變量及顯著性水平，執行分析后可在統計分析頁面查看包含突變分析圖、UF-UB 統計量折線圖、序列 / 時間變量匯總、假設與結果的完整報告，精準定位時間序列數據的異常突變節點。

三、新增質量控制功能

數據管理模塊新增質量控制板塊，內置 I-MR 圖質量控制核心方法，由單值控制圖（I 圖）和移動極差控制圖（MR 圖）組成，適配連續變量的過程穩定性監控與異常識別。

支持自定義選擇目標變量、子組變量、標識變量，并配置對應的參數與判異規則，滿足不同生產 / 業務場景的質量管控需求；執行分析后可在統計分析頁面查看包含單值圖、單值判異規則違例信息及結論的質量控制報告，助力高效開展全流程質量管控。

四、時序預測新增LSTM模型

時序預測模塊新增長短時記憶網絡（LSTM）模型，專門針對傳統算法難以處理的長序列數據場景優化。通過獨特門控機制有效捕捉時間序列中的長期依賴關系，解決梯度消失問題，在能源負荷、氣象變化、生產產能等復雜預測任務中表現更優，預測精度較傳統模型提升顯著。

其靈活參數配置，適配多元場景。支持用戶根據數據特性自主定制模型參數，滿足不同復雜度預測需求，核心可配置項包括基礎配置、網絡結構、正則化和訓練配置。

LSTM具備可視化監控界面，全程掌握訓練狀態。LSTM執行階段新增實時監控界面，以可視化圖表動態呈現全流程，關鍵監控維度包括：

■ 訓練進度：動態展示迭代次數、完成占比及剩余耗時，精準把控訓練節奏；

■ 模型信息：同步呈現訓練集/測試集大小、批次大小、優化器等信息，直觀掌握模型底數；

■ 精度指標：實時更新R2等核心指標，及時判斷模型收斂狀態。

訓練完成后將自動生成時序預測模型（tsmodel），用戶可自主進入該模型查看完整內容，包括模型信息、參數配置及時間序列圖、精度指標、相關性分析、殘差分析等核心結果。

五、外部程序調用

開放外部程序調用接口，支持接入自定義算法邏輯，打破平臺內置功能邊界，適配個性化、場景化的復雜數據處理需求。該功能兼容多類型外部程序文件，包括 Python 腳本（.py）、Java 可執行類（.class）、Shell 腳本（.sh）、Windows 批處理（.bat/.cmd）及系統級二進制可執行文件（.exe）等；支持自定義配置執行命令、工作目錄、超時時間及環境變量，例如可指定 Python 虛擬環境路徑、自定義庫依賴路徑，或設置程序運行超時閾值。

執行流程支持與平臺內置功能無縫銜接：上游可通過數據存儲節點輸出 CSV 等格式的中間數據，外部程序調用節點讀取數據后執行自定義清洗、特征工程等操作，下游可通過數據讀取節點將處理結果回讀至平臺。

六、數據讀取節點改造

優化數據讀取節點，在保留原有從項目中獲取文件能力的基礎上，新增本地磁盤文件直讀功能，可直接選擇磁盤路徑讀取文件，適配更多數據接入場景。

歡迎到天洑官網下載體驗，安裝就自帶30天免費試用！