动态评价指标 (DEMs) 是一种用于衡量变化程度的指标，它通过测量在每个时间点的值的变化或改变而得到。它们有助于更好地识别系统的变化，无论是由于自然因素还是其他因素。DEMs的计算方法包括相关性、运动性、均值、方差、极值、比较和集合更新等。 DEMs特征通常包括：简化范围、去除噪音、定期更新和自适应更新等。简化范围意味着将庞大的数据集简化成较小的数据集，而去除噪音意味着从数据集中消除虚假信号。此外，定期更新意味着在给定时间间隔内，指标将会被重新计算，以确保指标能够及时更新以反映当前数据状况，而自适应更新则意味着它可以有效地识别和更新数据中的变化。 此外，可以考虑其他拓展知识，包括深度学习模型（如深度神经网络）可以实现动态评价指标的计算，并可以以更精细的方式侦测和追踪变化。深度学习模型的 DEM学习技术可以通过分析多维标签数据来自动学习该指标，这种方法可以更加有效地预测系统中潜在的变化，从而改善结果。