역사적인 운영 데이터에서 증발탱크의 작동 모델을 선택하는 문제를 해결하기 위해, 자극 특성을 고려한 식별 데이터의 최적화 방법이 제안되었다. 먼저, Fisher 정보 행렬을 사용하여 역사적인 운영 데이터의 자극 특성을 추출하고 이것들은 랜덤 포레스트 분류 알고리즘을 사용하여 식별 데이터의 분류 규칙 모델을 생성하고 온라인으로 식별 데이터를 선택하는 모델을 만든다. 마지막으로, 모델의 분류 결과의 정확도와 데이터 식별의 효과를 확인한다. 결과는 분류 규칙 모델의 정확도가 97.561%임을 보여주며 충분한 자극을 포함하는 역사적인 운영 데이터가 정확하게 선택될 수 있으며 증발탱크 작동 모델의 식별 결과가 표준 모델과 높은 일치를 가지고 있음을 보여준다.

식별 데이터; 데이터 자극 특성; 증발탱크; 랜덤 포레스트