一种组态化机器学习建模任务描述的预测方法及系统技术方案

本发明专利技术公开了一种组态化机器学习建模任务描述的预测方法及系统，获取当前区域的业务数据，输入到集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，进行模型训练；保存训练好的集成多种机器学习算法的预测模型。优点：封装各机器学习框架算法的集成框架，降低开发的人力成本、提高开发效率，降低人工智能技术应用的门槛。槛。槛。

【技术实现步骤摘要】
一种组态化机器学习建模任务描述的预测方法及系统


[0001]本专利技术涉及一种组态化机器学习建模任务描述的预测方法及系统，属于电力调控


技术介绍

[0002]随着人工智能技术的迅速发展，其在电力系统自动化领域的研究和应用也取得了一定的成果，并得到了广泛的应用。但是人工智能技术应用的门槛较高，尤其是跨机器学习算法框架的算法选择和程序开发难度较大，业务人员在基础技能和算法的学习上投入了大量的精力，并且各业务部门重复创建过程高度统一的机器学习应用，包括数据采集、数据预处理和机器学习模型的训练和部署等，缺乏统一的机器学习流程化任务过程描述规范支撑，影响了人工智能应用研发的效率。
[0003]因此，亟需定义一种统一的、标准的机器学习流程化任务过程描述结构规范，为智能化应用研发提供封装了各机器学习框架算法的集成框架，包括数据采集、数据预处理、训练数据、模型训练与评估、模型保存等机器学习算法，降低人工智能技术应用的门槛，提高人工智能应用研发效率，加快电网调控领域应用的落地实施。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种组态化机器学习建模任务描述的预测方法及系统。
[0005]为解决上述技术问题，本专利技术提供一种组态化机器学习建模任务描述的预测方法，包括：
[0006]获取当前区域的业务数据，输入到预先训练好的集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；
[0007]所述集成多种机器学习算法的预测模型的构建以及训练，包括：
[0008]根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，生成训练模型；
[0009]获取业务训练数据，对所述训练模型进行训练，完成训练，保存训练好的集成多种机器学习算法的预测模型。
[0010]进一步的，所述机器学习算法集成框架，包括：
[0011]自定义算法、TensorFlow框架算法、Sklearn框架算法和Spark MLlib框架算法，用于获取样本数据，进行数据预处理，特征选择，分类评估和模型保存。
[0012]进一步的，所述机器学习流程化任务描述结构包括：整体流程信息、运算节点信息和运算节点间关系信息，其中，
[0013]整体流程信息，用于显示流程化任务的整体组成情况；
[0014]运算节点信息，用于显示运算节点对应的算法；
[0015]运算节点间关系信息，用于显示运算节点之间的运算关系，
[0016]进一步的，所述整体流程信息设定有流程编号、执行流水号和流程信息详细结构。
[0017]进一步的，所述运算节点信息设定有节点编号、节点名称、节点类型、节点运行所需的业务参数和资源参数、机器学习算法名称，以及机器学习算法节点可执行程序所在的路径。
[0018]进一步的，所述运算节点间关系信息设定有来源节点编号、来源节点是否存在前序节点、来源节点类型、前序节点类型名称、目标节点编号、目标节点类型、目标节点是否存在前序节点、目标节点类型名称。
[0019]进一步的，还包括：
[0020]在对训练模型训练前检查当前机器学习流程化任务描述结构是否正确，如果描述结构正确，则校验成功；如果描述结构错误，则校验失败，需等待业务人员修改自定义描述结构后再执行。
[0021]进一步的，还包括：
[0022]根据回归评估算法的R
‑
square来描述数据对模型拟合程度的好坏，数值在0
‑
1之间，越接近1表示正确率越高，如果正确率不满足预期，调整回归算法节点的参数，重新进行模型训练。
[0023]一种组态化机器学习建模任务描述的预测系统，包括：
[0024]数据获取模块，用于获取当前区域的业务数据；
[0025]分析预测模块，用于输入到预先训练好的集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；
[0026]所述集成多种机器学习算法的预测模型的构建以及训练，包括：
[0027]根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，生成训练模型并保存；
[0028]获取业务训练数据，对所述训练模型进行训练，完成训练，确定训练好的集成多种机器学习算法的预测模型。
[0029]一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
[0030]一种计算设备，包括，
[0031]一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
附图说明
[0032]图1是本专利技术整体流程示意图；
[0033]图2是本专利技术实施例中的机器学习算法集成原理示意图；
[0034]图3是专利技术实施例中机器学习流程化任务描述语言结构交互示意图；
[0035]图4是本专利技术实施例中过程化任务描述语言结构示意图；
[0036]图5是本专利技术实施例中节点关系信息程序示意图；
[0037]图6是本专利技术实施例中算法节点信息程序示意图。
具体实施方式
[0038]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0039]如图1所示，本专利技术提供了一种组态化机器学习建模任务描述的预测方法，其特征在于，包括：
[0040]获取当前区域的业务数据，输入到预先训练好的集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；
[0041]所述集成多种机器学习算法的预测模型的构建以及训练，包括：
[0042]根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，则每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，生成训练模型；
[0043]获取业务训练数据，对所述训练模型进行训练，完成训练，确定训练好的集成多种机器学习算法的预测模型。
[0044]所述集成多种机器学习算法的预测模型的集成原理，如图2所示，根据业务需求从多种机器学习算法集成框架中提取与该业务数据相关的多个机器学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种组态化机器学习建模任务描述的预测方法，其特征在于，包括：获取当前区域的业务数据，输入到预先训练好的集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；所述集成多种机器学习算法的预测模型的构建以及训练，包括：根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，生成训练模型；获取业务训练数据，对所述训练模型进行训练，完成训练，保存训练好的集成多种机器学习算法的预测模型。2.根据权利要求1所述的组态化机器学习建模任务描述的预测方法，其特征在于，所述机器学习算法集成框架，包括：自定义算法、TensorFlow框架算法、Sklearn框架算法和Spark MLlib框架算法，用于获取样本数据，进行数据预处理，特征选择，分类评估和模型保存。3.根据权利要求1所述的组态化机器学习建模任务的统一描述规范，其特征在于，所述机器学习流程化任务描述结构包括：整体流程信息、运算节点信息和运算节点间关系信息，其中，整体流程信息，用于显示流程化任务的整体组成情况；运算节点信息，用于显示运算节点对应的算法；运算节点间关系信息，用于显示运算节点之间的运算关系。4.根据权利要求3所述的组态化机器学习建模任务描述的预测方法，其特征在于，所述整体流程信息设定有流程编号、执行流水号和流程信息详细结构。5.根据权利要求3所述的组态化机器学习建模任务描述的预测方法，其特征在于，所述运算节点信息设定有节点编号、节点名称、节点类型、节点运行所需的业务参数和资源参数、机器学习算法名称，以及机器学习算法节点可执行程序所在的路径。6.根据权利要求3所述的组态化机器学习建模任务描述的预测方法，其特征在于，所述运算节点间关系信息设定有来源节点编号、来源节点是否存在前序节点、来源节点类型、前序节点类型名称、目标节...

【专利技术属性】
技术研发人员：劳莹莹，李佳阳，沈嘉灵，徐丽燕，陈子韵，王宇冬，陈佳佳，闫妮，张瑞智，李昊，季学纯，张珂珩，
申请(专利权)人：南瑞集团有限公司国网电力科学研究院有限公司，
类型：发明
国别省市：