一种基于业务模型的在线推演及推演可视化实现方法技术

本发明专利技术公开了一种基于业务模型的在线推演及推演可视化实现方法，包括：获取待推演的工业数据；对所述工业数据进行分类，得到若干个子工业数据，并生成若干个解析任务；对若干个解析任务进行在线推演，得到若干个可视化算法模型；获取实时数据，将所述实时数据输入若干个可视化算法模型中，得到预测结果

【技术实现步骤摘要】
一种基于业务模型的在线推演及推演可视化实现方法


[0001]本专利技术涉及计算机
，特别涉及一种基于业务模型的在线推演及推演可视化实现方法
。

技术介绍

[0002]目前，随着大数据智能处理平台的发展，赋能现有企业的智能化能力，有效缩短产品生产周期
、
提高设备利用率和生产效率；推动传统业务向智能化服务转型升级，从而实现更大范围
、
更高效率
、
更加精准地优化现有生产和服务资源科学配置
。
大数据智能处理平台是一款基于高性能云计算环境
、
采用边缘计算
、
人工智能
、
数字孪生等核心技术，实现数据驱动的信息和实体空间深度融合
。
其中大数据智能处理平台中涉及业务模型的推演，并基于推演得到的可视化算法模型，作为大数据价值挖掘的核心组件，实现客户需求与数据价值无缝融合
。
[0003]现有技术中在对业务模型进行推演时，基于整体的推演平台进行推演，需要在推演平台中进行各种智能模型的调用以及各种推演运算，会增加推演平台的负载，同时也导致推演过程中的复杂性，影响推演速率，也会导致最后得到的推演模型的不准确
。

技术实现思路

[0004]本专利技术旨在至少一定程度上解决上述技术中的技术问题之一
。
为此，本专利技术的目的在于提出一种基于业务模型的在线推演及推演可视化实现方法，对待推演的数据进行分类，生成若干个解析任务，基于分布式集群的群体智能计算能力，通过调度器将应用调度到不同空间上的虚拟和物理资源上进行并行计算，得到可视化算法模型，降低了现有技术中基于推演平台进行推演的负载及推演的复杂性，提高计算资源的利用率和整体的计算效率，在时间上对推断演化进行过程阶段分解和聚合处理
。
基于实时数据输入若干个可视化算法模型中，得到预测结果，实现数据挖掘及预测
。
[0005]为达到上述目的，本专利技术实施例提出了一种基于业务模型的在线推演及推演可视化实现方法，包括：
[0006]获取待推演的工业数据；
[0007]对所述工业数据进行分类，得到若干个子工业数据，并生成若干个解析任务；
[0008]对若干个解析任务进行在线推演，得到若干个可视化算法模型；
[0009]获取实时数据，将所述实时数据输入若干个可视化算法模型中，得到预测结果
。
[0010]根据本专利技术的一些实施例，所述工业数据包括油田的整体运行态势分析数据及锅炉预警数据；其中，
[0011]所述整体运行态势分析数据，包括对注气情况
、
蒸汽指令
、
能效情况
、
不合格锅炉
、
给水
、
燃料
、
故障在不同时间维度下的统计数据，及根据统计数据生成的数据图；
[0012]所述锅炉预警数据，包括：基于对实时采集过来的锅炉数据进行处理，得到在炉膛
、
对流段
、
过热段
、
辐射段
、
燃烧器
、
供水泵的相应数据
。
[0013]根据本专利技术的一些实施例，对若干个解析任务进行在线推演，得到若干个可视化算法模型，包括：
[0014]建立若干个解析任务的第一排队队列；
[0015]建立包括人工智能模型的解析节点的第二排队序列；
[0016]为解析任务确定匹配的解析节点，并建立解析任务在第一排队队列的第一序列信息与解析节点的第二排队序列的第二序列信息的关联关系，并根据所述关联关系，将解析任务调度至相应的解析节点；
[0017]基于每个解析节点确定的解析数据，生成若干个可视化算法模型
。
[0018]根据本专利技术的一些实施例，所述人工智能模型包括多源感知
、
多模理解
、
群体智能
、
统计分析模型
、
数据降维模型
、
分类
/
逻辑回归模型
、
时空表示
、
决策与推理模型
、
轨迹挖掘模型
、
聚类与相似性模型
、
主题推荐模型
、
模型优化方法模型中的至少一种
。
[0019]根据本专利技术的一些实施例，在获取实时数据，将所述实时数据输入若干个可视化算法模型中，得到预测结果前，还包括：
[0020]为可视化算法模型添加预警规则及预警等级；
[0021]获取样本数据，输入到若干个可视化算法模型中，得到风险预警信息，判断所述风险预警信息与样本数据对应的风险预警信息是否一致，在确定一致时，表示可视化算法模型验证通过
。
[0022]根据本专利技术的一些实施例，在对若干个解析任务进行在线推演过程中，还包括获取在先模型推演量
、
推演效率
、
推演状态
、
业务模型分析
、
对业务的能效测评和过程监测并进行显示
。
[0023]根据本专利技术的一些实施例，在对若干个解析任务进行在线推演，得到若干个可视化算法模型后，还包括：
[0024]获取推演结果及推演过程数据并进行展示；所述推演过程数据包括解析任务的任务信息
、
调度信息及对应的解析节点
。
[0025]根据本专利技术的一些实施例，在得到若干个可视化算法模型后，还包括：
[0026]对若干个可视化算法模型的模型名称
、
端口
、
位置
、
状态进行监测，得到第一监测数据；
[0027]获取若干个可视化算法模型的模型预警率
、
异常率的分析数据，得到第二监测数据；
[0028]对若干个可视化算法模型运行节点内存
、
磁盘
、CPU
进行监测，得到第三监测数据；
[0029]判断第一监测数据
、
第二监测数据及第三监测数据是否异常，在确定存在异常时，发出报警提示信息
。
[0030]根据本专利技术的一些实施例，对所述工业数据进行分类，包括采用模糊
K
均值聚类方法进行分类
。
[0031]根据本专利技术的一些实施例，在对若干个解析任务进行在线推演的过程中，还包括：
[0032]获取对每个解析任务进行在线推演的进程信息；
[0033]对所述进程信息进行预分析，建立对每个解析任务进行在线推演的解析维度参数表；所述解析维度参数表包括解析正确率
、
解析速度
、
解析任务的解析难度
、
使用的解析工具及解析模型；
[0034]根据所述解析维度参数表确定异常的解析任务，并为异常的解析任务重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于业务模型的在线推演及推演可视化实现方法，其特征在于，包括：获取待推演的工业数据；对所述工业数据进行分类，得到若干个子工业数据，并生成若干个解析任务；对若干个解析任务进行在线推演，得到若干个可视化算法模型；获取实时数据，将所述实时数据输入若干个可视化算法模型中，得到预测结果
。2.
如权利要求1所述的基于业务模型的在线推演及推演可视化实现方法，其特征在于，所述工业数据包括油田的整体运行态势分析数据及锅炉预警数据；其中，所述整体运行态势分析数据，包括对注气情况
、
蒸汽指令
、
能效情况
、
不合格锅炉
、
给水
、
燃料
、
故障在不同时间维度下的统计数据，及根据统计数据生成的数据图；所述锅炉预警数据，包括：基于对实时采集过来的锅炉数据进行处理，得到在炉膛
、
对流段
、
过热段
、
辐射段
、
燃烧器
、
供水泵的相应数据
。3.
如权利要求1所述的基于业务模型的在线推演及推演可视化实现方法，其特征在于，对若干个解析任务进行在线推演，得到若干个可视化算法模型，包括：建立若干个解析任务的第一排队队列；建立包括人工智能模型的解析节点的第二排队序列；为解析任务确定匹配的解析节点，并建立解析任务在第一排队队列的第一序列信息与解析节点的第二排队序列的第二序列信息的关联关系，并根据所述关联关系，将解析任务调度至相应的解析节点；基于每个解析节点确定的解析数据，生成若干个可视化算法模型
。4.
如权利要求3所述的基于业务模型的在线推演及推演可视化实现方法，其特征在于，所述人工智能模型包括多源感知
、
多模理解
、
群体智能
、
统计分析模型
、
数据降维模型
、
分类
/
逻辑回归模型
、
时空表示
、
决策与推理模型
、
轨迹挖掘模型
、
聚类与相似性模型
、
主题推荐模型
、
模型优化方法模型中的至少一种
。5.
如权利要求1所述的基于业务模型的在线推演及推演可视化实现方法，其特征在于，在获取实时数据，将所述实时数据输入若干个可视化算法模型中，得到预测结果前，还包括：为可视化算法模型添加预警规则及预警等级；获取样本数据，输入到若干个可视化算法模型中，得到风险预警信息，判断所述风险预警信息与样本数据对应的风险预警信息...

【专利技术属性】
技术研发人员：王军平，
申请(专利权)人：北京赛博云睿智能科技有限公司，
类型：发明
国别省市：