基于系统动力学模型的数据处理方法、装置和计算机设备制造方法及图纸

本申请涉及一种基于系统动力学模型的数据处理方法、装置、计算机设备和存储介质，获取待分析服务系统对应的输入数据集合；输入数据集合包括预测关联数据和调整关联数据；将输入数据集合输入待分析服务系统对应的系统动力学模型；系统动力学模型包括具有系统动力联系的多个子系统模型，各个子系统模型是基于预测关联数据和调整关联数据的因果关系建立的因果关系网络；通过系统动力学模型中不同的子系统模型，分别对输入数据集合中与子系统模型关联的数据进行数据处理，得到服务仿真结果；服务仿真结果包括不同的子系统模型进行数据处理所得到的数据处理结果。采用本方法能够提高数据处理的准确性和效率。数据处理的准确性和效率。数据处理的准确性和效率。

【技术实现步骤摘要】
基于系统动力学模型的数据处理方法、装置和计算机设备


[0001]本申请涉及计算机
，特别是涉及一种基于系统动力学模型的数据处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术的发展，出现了各种复杂的大数据系统，例如设备管理系统、医保系统、养老保险系统等。
[0003]传统技术中，对于涉及大量关联数据的大数据系统，通常是获取部分对结果有直接影响的关联数据进行数据处理，得到数据处理结果。然而，只是基于有直接影响的部分关联数据进行数据处理只能得到片面的数据处理结果，数据处理结果的准确性较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高数据处理的准确性的基于系统动力学模型的数据处理方法、装置、计算机设备和存储介质。
[0005]一种基于系统动力学模型的数据处理方法，所述方法包括：
[0006]获取待分析服务系统对应的输入数据集合；输入数据集合包括预测关联数据和调整关联数据；
[0007]将输入数据集合输入待分析服务系统对应的系统动力学模型；系统动力学模型包括具有系统动力联系的多个子系统模型；多个子系统模型包括资源储备模型、资源消耗模型和资源服务关系模型，资源储备模型、资源消耗模型和资源服务关系模型，是基于预测关联数据和调整关联数据的因果关系建立的因果关系网络；
[0008]通过系统动力学模型中不同的子系统模型，分别对输入数据集合中与子系统模型关联的数据进行数据处理，得到服务仿真结果；服务仿真结果包括不同的子系统模型进行数据处理所得到的数据处理结果。
[0009]在一个实施例中，获取待分析服务系统对应的输入数据集合，包括：
[0010]展示待分析服务系统对应的资源分析界面；资源分析界面展示有候选关联数据；接收作用于候选关联数据的数据调整操作，根据数据调整操作生成调整关联数据。
[0011]在一个实施例中，当待分析服务系统为医保基金服务系统时，多个子系统模型包括医保资源储备模型、医保资源消耗模型和医保服务关系模型，通过系统动力学模型中不同的子系统模型，分别对输入数据集合中与子系统模型关联的数据进行数据处理，得到服务仿真结果，包括：
[0012]通过医保资源储备模型对输入数据集合中与医保资源储备模型关联的数据进行数据处理，得到医保资源储备结果；通过医保服务关系模型对输入数据集合中与医保服务关系模型关联的数据进行数据处理，得到医保服务关系结果；通过医保资源消耗模型对输入数据集合中与医保资源消耗模型关联的数据、医保资源储备结果和医保服务关系结果进行数据处理，得到医保资源消耗结果；基于医保资源储备结果、医保服务关系结果和医保资
源消耗结果得到服务仿真结果。
[0013]一种基于系统动力学模型的数据处理装置，所述装置包括：
[0014]数据获取模块，用于获取待分析服务系统对应的输入数据集合；输入数据集合包括预测关联数据和调整关联数据；
[0015]数据输入模块，用于将输入数据集合输入待分析服务系统对应的系统动力学模型；系统动力学模型包括具有系统动力联系的多个子系统模型；多个子系统模型包括资源储备模型、资源消耗模型和资源服务关系模型，资源储备模型、资源消耗模型和资源服务关系模型，是基于预测关联数据和调整关联数据的因果关系建立的因果关系网络；
[0016]数据处理模块，用于通过系统动力学模型中不同的子系统模型，分别对输入数据集合中与子系统模型关联的数据进行数据处理，得到服务仿真结果；服务仿真结果包括不同的子系统模型进行数据处理所得到的数据处理结果。
[0017]在一个实施例中，数据获取模块还用于展示待分析服务系统对应的资源分析界面；资源分析界面展示有候选关联数据；接收作用于候选关联数据的数据调整操作，根据数据调整操作生成调整关联数据。
[0018]在一个实施例中，预测关联数据包括至少两种数据类型的关联数据，数据获取模块还用于获取各种数据类型分别对应的至少两个历史关联数据；历史关联数据携带时间信息；根据时间信息将同一数据类型对应的各个历史关联数据组成历史关联数据序列，得到各种数据类型对应的历史关联数据序列；获取各种数据类型对应的数据预测模型；将各个历史关联数据序列输入对应的数据预测模型，得到各种数据类型对应的预测结果；各个预测结果组成预测关联数据。
[0019]在一个实施例中，数据获取模块还用于在当前历史关联数据序列中，基于各个历史关联数据的排列顺序确定各个历史关联数据的处理优先级；获取当前数据类型对应的参考状态参数；基于参考状态参数对当前处理优先级的历史关联数据进行特征提取，得到特征提取结果，将特征提取结果作为下一轮特征提取时的参考状态参数，返回基于参考状态参数对当前处理优先级的历史关联数据进行特征提取的步骤，直至各个历史关联数据特征提取完成得到目标特征提取结果；对目标特征提取结果进行融合处理，得到当前数据类型对应的预测结果。
[0020]在一个实施例中，参考状态参数包括第一状态参数和第二状态参数，数据获取模块还用于将所述第一状态参数和当前处理优先级的历史关联数据进行数据拼接，得到拼接数据；获取遗忘参数，基于遗忘参数对拼接数据进行遗忘处理，得到遗忘因子；获取更新参数，基于更新参数对拼接数据进行更新处理，得到目标更新因子；基于遗忘因子和目标更新因子对第二状态参数进行状态更新，得到第二状态更新参数；获取预测参数，基于预测参数对拼接数据进行预测处理，得到预测因子；将预测因子和第二状态更新参数进行融合处理，得到第一状态更新参数；基于第一状态更新参数和第二状态更新参数得到特征提取结果。
[0021]在一个实施例中，遗忘参数包括遗忘矩阵和遗忘常量，数据获取模块还用于将遗忘矩阵和拼接数据进行融合处理，得到遗忘融合结果；基于所述遗忘常量和遗忘融合结果得到遗忘因子。
[0022]在一个实施例中，更新参数包括第一更新矩阵、第一更新常量、第二更新矩阵和第二更新常量，数据获取模块还用于将第一更新矩阵和拼接数据进行融合处理，得到第一更
新融合结果；基于第一更新常量和第一更新融合结果得到第一更新因子；将第二更新矩阵和拼接数据进行融合处理，得到第二更新融合结果；基于第二更新常量和第二更新融合结果得到第二更新因子；基于第一更新因子和第二更新因子得到目标更新因子。
[0023]在一个实施例中，目标更新因子包括第一更新因子和第二更新因子，数据获取模块还用于将遗忘因子和第二状态参数进行融合处理，得到第二状态遗忘结果；将第一更新因子和第二更新因子进行融合处理，得到融合更新因子；基于第二状态遗忘结果和融合更新因子得到第二状态更新参数。
[0024]在一个实施例中，预测参数包括预测矩阵和预测常量，数据获取模块还用于将预测矩阵和拼接数据进行融合处理，得到预测融合结果；基于预测常量和预测融合结果得到预测因子。
[0025]在一个实施例中，数据获取模块还用于获取当前待训练的数据预测模型的训练样本；训练样本包括标准关联数据序列和对应的标准预测结果；将标准关联数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于系统动力学模型的数据处理方法，其特征在于，所述方法包括：获取待分析服务系统对应的输入数据集合；所述输入数据集合包括预测关联数据和调整关联数据；将所述输入数据集合输入所述待分析服务系统对应的系统动力学模型；所述系统动力学模型包括具有系统动力联系的多个子系统模型；所述多个子系统模型包括资源储备模型、资源消耗模型和资源服务关系模型，所述资源储备模型、资源消耗模型和资源服务关系模型，是基于所述预测关联数据和所述调整关联数据的因果关系建立的因果关系网络；通过所述系统动力学模型中不同的子系统模型，分别对所述输入数据集合中与所述子系统模型关联的数据进行数据处理，得到服务仿真结果；所述服务仿真结果包括不同的子系统模型进行数据处理所得到的数据处理结果。2.根据权利要求1所述的方法，其特征在于，所述预测关联数据包括至少两种数据类型的关联数据，所述获取待分析服务系统对应的输入数据集合，包括：获取各种数据类型分别对应的至少两个历史关联数据；所述历史关联数据携带时间信息；根据时间信息将同一数据类型对应的各个历史关联数据组成历史关联数据序列，得到各种数据类型对应的历史关联数据序列；获取各种数据类型对应的数据预测模型；将各个历史关联数据序列输入对应的数据预测模型，得到各种数据类型对应的预测结果；各个预测结果组成所述预测关联数据。3.根据权利要求2所述的方法，其特征在于，所述将各个历史关联数据序列输入对应的数据预测模型，得到各种数据类型对应的预测结果，包括：在当前历史关联数据序列中，基于各个历史关联数据的排列顺序确定各个历史关联数据的处理优先级；获取当前数据类型对应的参考状态参数；基于所述参考状态参数对当前处理优先级的历史关联数据进行特征提取，得到特征提取结果，将所述特征提取结果作为下一轮特征提取时的参考状态参数，返回基于所述参考状态参数对当前处理优先级的历史关联数据进行特征提取的步骤，直至各个历史关联数据特征提取完成得到目标特征提取结果；对所述目标特征提取结果进行融合处理，得到当前数据类型对应的预测结果。4.根据权利要求3所述的方法，其特征在于，所述参考状态参数包括第一状态参数和第二状态参数，所述基于所述参考状态参数对当前处理优先级的历史关联数据进行特征提取，得到特征提取结果，包括：将所述第一状态参数和所述当前处理优先级的历史关联数据进行数据拼接，得到拼接数据；获取遗忘参数，基于所述遗忘参数对所述拼接数据进行遗忘处理，得到遗忘因子；获取更新参数，基于所述更新参数对所述拼接数据进行更新处理，得到目标更新因子；基于所述遗忘因子和所述目标更新因子对所述第二状态参数进行状态更新，得到第二状态更新参数；
获取预测参数，基于所述预测参数对所述拼接数据进行预测处理，得到预测因子；将所述预测因子和所述第二状态更新参数进行融合处理，得到第一状态更新参数；基于所述第一状态更新参数和所述第二状态更新参数得到所述特征提取结果。5.根据权利要求4所述的方法，其特征在于，所述遗忘参数包括遗忘矩阵和遗忘常量，所述基于所述遗忘参数对拼接数据进行遗忘处理，得到遗忘因子，包括：将所述遗忘矩阵和所述拼接数据进行融合处理，得到遗忘融合结果；基于所述遗忘常量和所述遗忘融合结果得到所述遗忘因子。6.根据权利要求4所述的方法，其特征在于，所述更新参数包括第一更新矩阵、第一更新常量、第二更新矩阵和第二更新常量，所述基于所述更新参数对所述拼接数据进行更新处理，得到目标更新因子，包括：将所述第一更新矩阵和所述拼接数据进行融合处理，得到第一更新融合结果；基于所述第一更新常量和所述第一更新融合结果得到第一更新因子；将所述第二更新矩阵和所述拼接数据进行融合处理，得到第二更新融合结果；基于所述第二更新常量和所述第二更新融合结果得到第二更新因子；基于所述第一更新因子和所述第二更新因子得到所述目标更新因子。7.根据权利要求4所述的方法，其特征在于，所述目标更新因子包括第一更新因子和第二更新因子，所述基于所述遗忘因子和所述目标...

【专利技术属性】
技术研发人员：郑建光，王硕佳，顾钰璇，刘亚飞，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：