CN112966860B - 一种基于附预链式数据分析预测系统 - Google Patents
一种基于附预链式数据分析预测系统 Download PDFInfo
- Publication number
- CN112966860B CN112966860B CN202110201819.4A CN202110201819A CN112966860B CN 112966860 B CN112966860 B CN 112966860B CN 202110201819 A CN202110201819 A CN 202110201819A CN 112966860 B CN112966860 B CN 112966860B
- Authority
- CN
- China
- Prior art keywords
- data
- model
- decision
- analysis
- environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于附预链式数据分析预测系统,其包括决策项分析模块、智能预测管理模块、数据模型管理模块、附预链管理模块、多维数据环境模型分析管理;决策项分析模块通过已参数配置的方式链接相应被分析数据源,运用该配置方式获取决策数据、一类数据模型、二类数据模型;智能预测管理模块负责获得分析结论条件和分析结论;数据模型管理模块建立对应数据模型与决策模型;附预链管理模块建立对应附式模型、预式模型、链式模型;多维数据环境模型分析管理进行数据模型环境综合模拟,形成分析结果。本发明发挥机器可重复、可高效、便捷的计算能力,设置实验场景,将数据分析预测单一计算分离,更加有效、便捷、准确的进行数据分析预测。
Description
技术领域
本发明涉及数据分析、数据预测技术,具体涉及一种基于附预链式数据分析预测系统。
背景技术
目前对于数据分析预测,主要是通过人员经验和历史数据对比来进行,建立人员经验函数或参数、建立历史数据对比函数和参数来对未来数据进行预测。人员对行业情况、公司情况要非常清楚才能更好的进行数据分析预测,由于每个行业和公司的情况都各有不同,其很难加以重复性利用,再现性差。相关预测人员一旦离开行业或者进入别的公司后,原来积累的经验都很难被完美的复制进行重复使用。传统的方法是基于对于历史数据的对比,建立计算函数,实际上此函数并无法对可能发生的场景进行预测,把预测这种随机性运算,变成了固定值带入的加减乘除法运算。
另外,传统预测是让结果按照A点到B点移动,形成的A到B点的线为预测结果。以预测开车行为为例:传统分析预测都是依据路线前进的,而不太注重实际路况的变化。这种预测方法往往与实际不符,起不到预测的效果。市场急需一种可以依据路线和道路障碍(环境模型),车辆车速(主数据模型),模拟车辆(附数据模型),行进方向和其它车辆(预数据模型),行进策略(链数据模型),进行的综合数据预测分析方法。
综上所述,信息系统使用中业务数据沉积越来越多,对于历史数据使用是数据分析的核心。如何更有效的帮助个人、企业预测财务情况、业务情况便成了数据分析预测行业急需解决的问题。
发明内容
本发明的目的是针对现有技术的不足,提供一种基于附预链式数据分析预测系统,它采用数据域决策抽象的方式进行数据、决策分离,建立独立具备分析功能的数据模型,采用附预链式方法,建立点、线、面的分析结果,再将多维多次分析结果形成准确的有效的预测数据。
本发明的目的是这样实现的:一种基于附预链式数据分析预测系统包括决策项分析模块、智能预测管理模块、数据模型管理模块、附预链管理模块、多维数据环境模型分析管理;
所述决策项分析模块用于通过已参数配置的方式链接相应被分析数据源,并运用该配置方式获取决策数据、一类数据模型、二类数据模型;
所述智能预测管理模块用于负责调度决策集、数据集、环境集、规则集,组织分析过程,获得分析结论条件和分析结论;
所述数据模型管理模块依据数据源和决策项参数建立对应数据模型与决策模型;
所述附预链管理模块以基础主数据源、主数据决策、主数据模型、主数据决策模型,建立对应附式模型、预式模型、链式模型;
所述多维数据环境模型分析管理基于环境模型、规则模型、分析标准、决策模型进行数据模型环境综合模拟,并形成分析结果。
优选地,所述附式模型包括附式数据模型和附式决策模型,负责与主模型进行相同决策;所述预式模型依据主模型决策进行预判决策;所述链式模型以附式模型的决策和预式模型的决策为基础,进行决策。
优选地,所述决策项分析模块包含参数配置、决策数据、一类数据、环境数据集、二类数据、决策项数据集;所述参数配置通过数据库IP地址、数据库端 口号、数据库账号及密码、数据库、数据表决策关键字和关键指标;所述决策数据依据参数配置信息建立与目标数据源链接获取目标数据;所述一类数据由依据决策关键字建立直观可见的数据构成;所述环境数据集由依据决策关键字关联关系挖掘及分析数据,并以数据类为单位形成的多个环境数据形成;所述二类数据由依据决策关键指标对决策数据进行分析并抽象而形成;所述决策项数据集由依据建立的一类数据、环境数据集,通过决策关键字、决策关键指标关联分析二类数据形成。
优选地,所述数据模型管理模块包含数据源、决策数据、环境数据集、策项数据集、决策抽样、校准决策、建立数据模型、环境数据模型集、决策数据模型集;
所述数据源包括所需的决策数据、环境数据集、策项数据集,对于分析的目标和内容;该数据源用于依据智能预测管理模块下达的数据模型分析任务,通过决策项分析模块进行数据模型分析初始化,进行主数据模型、附数据模型、预数据模型、链数据模型,四类数据模型分析;
所述决策数据由数据模型管理模块依据主模型、附模型、预模型、链模型各自的计算规则建立决策数据,并由多个决策数据建对应决策数据集;
所述环境数据集由依据主模型、附模型、预模型、链模型的计算规则建立的环境数据形成;
所述决策项数据集由依据主模型、附模型、预模型、链模型的计算规则建立的决策项数据形成;
所述决策抽样用于启动决策分析线程,循环对决策数据、环境数据、决策项数据,并进行数据抽样;
所述校准决策用于建立原始数据、环境数据与决策数据,并关联原始数据、环境数据、决策数据相互关系;
所述建立数据模型用于建议具备决策类型、决策指标、决策关键字、决策内容的数据模型;
所述环境数据模型集包含决策类型、决策指标、环境响应条件、环境响应内容;
所述决策数据模型集包含决策类型、决策指标、决策关键字、决策内容。
优选地,附预链管理模块包含主数据模型集、附数据模型规则、预数据模型规则、链数据模型规则、数据模型管理模块、附环境数据模型集、附决策数据模型集、预环境数据模型集、预决策数据模型集、链环境数据模型集、链决策数据模型集;
所述主数据模型集包括主环境数据模型集和主决策数据模型集;
所述数据模型规则包含附数据模型规则、预数据模型规则、链数据模型规则;
所述数据模型管理模块用于获取数据模型规则并建立对应的决策数据、决策抽样、校准决策;
所述附预链环境数据模型集通过数据模型管理模块计算建立,包括附环境数据模型集、预环境数据模型集、链环境数据模型集;
所述附预链决策数据模型集通过数据模型管理模块计算建立,包括附决策数据模型集、预决策数据模型集、链决策数据模型集。
优选地,所述智能预测管理模块包含智能预测线程、智能预测初始化、分析规则、环境模型、引入决策模型、多维数据环境模型分析管理、预测数据结果、预测样例集、智能预测结论;
所述智能预测线程用于执行数据分析预测过程,可依据分析需要同时启动多个分析过程,并获得多个分析结果;
所述智能预测初始化用于依据预测目标设置分析信息;
所述分析规则的初始化包括规则分析的初始化;
所述一类规则为决策规则,所述二类规则为环境规则;所述三类规则为决策偏离规则;所述环境模型可用于初始化环境数据;所述预数据模型集的初始化过程包括引入决策模型、主数据模型集、附数据模型集、链数据模型集;所述多维数据环境模型分析管理用于建立分析子线程,并对规则、模型分析计算;所述预测数据结果用于将分析结果展示输出;所述预测样例集由多个预测结果形成;所述智能预测结论用于将预测样例集进行比对计算,形成智能预测结论。
优选地,所述多维数据环境模型分析管理包含分析初始化、环境模型加载、规则模型加载、分析数据样例标准、决策模型加载、数据分析线程、启动预测分析、主数据决策、附数据决策、预数据决策、链数据决策、环境数据变化、分析数据结果、预测数据结果;所述分析初始化为依据智能预测管理模块指令加载对应数据模型;所述环境模型加载为实例化环境计算模型;所述规则模型加载为实例化规则计算模型;所述分析数据样例标准为依据数据模型建立分析数据样例指标;所述决策模型加载为实例化决策计算模型;所述数据分析线程用于启动数据分析线程,综合管理数据分析过程;所述启动预测分析为依据规则、环境、决策,依次发出模型指令;所述数据决策用于依据主数据模型、附数据模型、预数据模型、链数据模型执行决策;所述环境数据变化为环境模型集响应数据决策;所述分析数据结果用于依据分析数据样例标准建立分析结果,其是对数据决策后环境模型响应的各个数据结果。。
采用上述方案,本发明有益效果如下:
1、本发明在于采用数据域决策抽象的方式进行数据、决策分离,建立独立具备分析功能的数据模型,采用附预链式方法,建立点、线、面的分析结果,在将多维多次分析结果形成准确的有效的预测数据。
2、本发明是建立一个历史数据的A点,为A建立一个映射B点,形成立体结构;在原来的A点层建立成环境数据模型;在B点层建立决策模型;在以B点建立偏移决策目标点C,并为BC建立数据决策链数据模型;设置一个偏离决策规则,则会得到一个分析数据面;在将多个偏离决策规则的数据面重合,既为有效预测分析结果,结果集越大预测结果越准。
3、本发明将历史数据建立成数据源,分析以业务为核心的数据模型,映射附数据模型。建立以映射附数据模型的决策数据模型体系,以映射附数据模型和数据源,建立环境数据模型。形成数据分析预测环境,并最终在具备决策数据模型和环境数据模型中,进行数据分析预测实验,将实验结果建立为预测分析结论。
4、本发明以历史数据为源数据,建立的主数据模型和映射主模型的附数据模型,从而建立了数据分析决策层和数据分析环境层;本发明将决策层建立决策关系附、预、链数据模型,形成对于数据分析的点、线、面;本发明使用环境数据模型,验证附、预、链数据模型数据结论,建立预测结果。
因此,本发明避免了对于人员经验的强依赖关系,更好的让人员从事业务工作和总结工作,将人员经验以数据、数据模型的方式转化为信息数据。避免人员参与数据分析预测,而是让人员经验参与数据分析预测。更好的开放了数据分析预测系统环境,让跟多的人参与和有效获得成果。降低了单一软件函数的计算逻辑,避免了以对比方式产生的不准确的分析函数、参数,应用的分析结果。
本发明将人机有效的进行结合,发挥各自特长,有效的定义了现实规则和目标,发挥机器可重复、可高效、便捷的计算能力。设置实验场景,将数据分析预测单一计算分离,提供与使用者和计算机结合渠道。更加有效、便捷、准确的进行数据分析预测。
附图说明
图1为本发明一种基于附预链式数据分析预测系统的整体结构示意图。
图2为决策项分析模块的结构示意图;
图3为数据模型管理模块的结构示意图;
图4为附预链管理模块的结构示意图;
图5为智能预测管理模块的结构示意图;
图6为多维数据环境模型分析管理的结构示意图;
图7为采用本发明的分析预测系统与采用传统分析方法的区别示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
参见图1,一种基于附预链式数据分析预测系统包括决策项分析模块、智能预测管理模块、数据模型管理模块、附预链管理模块、多维数据环境模型分析管理。
所述决策项分析模块,已参数配置的方式链接相应被分析数据源,通过配置方式获取决策数据、一类数据模型、二类数据模型。
所述智能预测管理模块,附预链式数据分析预测综合管理模块,负责调度决策集、数据集、环境集、规则集,组织分析过程,获得分析结论条件和分析结论;
所述数据模型管理模块,依据数据源、决策项参数,建立对应数据模型和决策模型;
所述附预链管理模块,以基础主数据源、主数据决策、主数据模型、主数据决策模型,建立附式、预式、链式,数据模型以及决策模型;
所述附式模型,负责与主模型进行相同决策;
所述预式模型,依据主模型决策,进行预判决策;
所述链式模型,以附式模型和预式模型决策为基础,进行决策;
所述多维数据环境模型分析管理,基于环境模型、规则模型、分析标准、决策模型进行,数据模型环境综合模拟,形成分析结果。
如图2所示,决策项分析模块包含参数配置、决策数据、一类数据、环境数据集、二类数据、决策项数据集。
参数配置,通过数据库IP地址、数据库端 口号、数据库账号及密码、数据库、数据表、决策关键字、决策关键指标;
决策数据,依据参数配置信息,建立与目标数据源链接获取目标数据;
一类数据,依据决策关键字,建立直观可见的一类数据;
环境数据集,依据决策关键字关联关系,挖掘及分析数据,以数据类为单位形成环境数据,多个环境数据形成环境数据集;
二类数据,依据决策关键指标对决策数据进行分析,建立抽象二类数据;
决策项数据集,依据建立的一类数据、环境数据集,通过决策关键字、决策关键指标,关联分析二类数据,建立形成决策项数据集。
如图3所示,数据模型管理模块包含数据源、决策数据、环境数据集、策项数据集、决策抽样、校准决策、建立数据模型、环境数据模型集、决策数据模型集。
数据源,依据智能预测管理模块下达的数据模型分析任务,通过决策项分析模块进行数据模型分析初始化,包含所需的决策数据、环境数据集、策项数据集,对于分析的目标和内容。进行主数据模型、附数据模型、预数据模型、链数据模型,4类数据模型分析;
决策数据,依据主、附、预、链计算规则和决策数据,建对应决策数据集;
环境数据集,依据主、附、预、链计算规则和环境数据集,建对应环境数据集;
决策项数据集,依据主、附、预、链计算规则和决策项数据集,建对应决策项数据集;
决策抽样,启动决策分析线程,循环对决策数据、环境数据、决策项数据进行数据抽样;
校准决策,建立原始数据、环境数据域决策数据,关联关系;
建立数据模型,建议具备决策类型、决策指标、决策关键字、决策内容的数据模型;环境数据模型集,包含决策类型、决策指标、环境响应条件、环境响应内容,主环境数据模型集;
决策数据模型集,包含决策类型、决策指标、决策关键字、决策内容。
如图4所示,附预链管理模块包含主数据模型集、附数据模型规则、预数据模型规则、链数据模型规则、数据模型管理模块、附环境数据模型集、附决策数据模型集、预环境数据模型集、预决策数据模型集、链环境数据模型集、链决策数据模型集;
主数据模型集,获取主环境数据模型集和主决策数据模型集;
数据模型规则,包含附数据模型规则、预数据模型规则、链数据模型规则;
数据模型管理模块,获取数据模型规则建立对应的决策数据、决策抽样、校准决策;
附预链环境数据模型集,通过数据模型管理模块计算建立,附环境数据模型集、预环境数据模型集、链环境数据模型集。
附预链决策数据模型集,通过数据模型管理模块计算建立,附决策数据模型集、预决策数据模型集、链决策数据模型集。
如图5所示,智能预测管理模块包含智能预测线程、智能预测初始化、分析规则、环境模型、引入决策模型、多维数据环境模型分析管理、预测数据结果、预测样例集、智能预测结论;
智能预测线程,用于执行数据分析预测过程,可依据分析需要同时启动多个分析过程,并获得多个分析结果;
智能预测初始化,依据预测目标设置分析信息;
分析规则,初始化;
一类规则,决策规则;
二类规则,环境规则;
三类规则,决策偏离规则;
环境模型,初始化环境数据模型;
预数据模型集,初始化包含引入决策模型、主数据模型集、附数据模型集、链数据模型集;
多维数据环境模型分析管理,建立分析子线程,完成对于本轮规则、模型分析计算;
预测数据结果,是依据分析结果,建立预测结果;
预测样例集,多个预测结果形成数据集;
智能预测结论,将数据集比对计算,形成智能预测结论;
如图6所示,多维数据环境模型分析管理包含分析初始化、环境模型加载、规则模型加载、分析数据样例标准、决策模型加载、数据分析线程、启动预测分析、主数据决策、附数据决策、预数据决策、链数据决策、环境数据变化、分析数据结果、预测数据结果。
分析初始化,依据智能预测管理模块指令,加载对应数据模型;
环境模型加载,实例化环境计算模型;
规则模型加载,实例化规则计算模型;
分析数据样例标准,依据数据模型建立分析数据样例指标;
决策模型加载,实例化决策计算模型;
数据分析线程,启动数据分析线程,综合管理数据分析过程;
启动预测分析,依据规则、环境、决策,依次发出模型指令
数据决策,依据主数据模型、附数据模型、预数据模型、链数据模型执行决策;
环境数据变化,环境模型集响应数据决策;
分析数据结果,是对数据决策后环境模型响应的各个数据结果,依据分析数据样例标准建立分析结果。
如图7所示,传统分析与本发明结构区别在于:
假设,以时间轴与数据轴为分析内容;
传统分析通过以人为经验、历史数据对比的方式建立分析函数或参数,带入历史数据进行计算得出的预测数据;
本发明通过源数据建立数据模型的方式,形成主模型;依据决策目标,定义附模型、预模型、链模型、环境模型;
以主模型为起始点,附模型为决策映射点,建立决策立体结构,从而分离决策与数据关系;
在映射点,建立偏移决策点,以决策关系为链条数据模型,建立数据分析点、线关系;
采用环境模型,将多维度点、线关系混合计算形成面分析数据,建立分析结论;
采用多维度、点、线、面逻辑分析数据,带入数据分析预测,从而让分析结果更具有准确性和可靠性;
同时,以开车为例:
传统分析是依据路线前进,不关注实际路况;
本发明是是依据路线和道路障碍(环境模型),车辆车速(主数据模型),模拟车辆(附数据模型),行进方向和其它车辆(预数据模型),行进策略 (链数据模型),进行的综合数据预测分析。
综上所述,由此可见:传统方法需要人员对行业情况、公司情况要非常清楚才能更好的进行数据分析预测,并且很那加以复用,人员离开行业,进入别的公司后经验都很难被复制使用。而本发明采用数据模型的方式,建立可被重复执行数据分析预测方法。依据行业规则、业务规则,建立数据分析预测规则(类似交通法规)。传统的分析函数是基于对于历史数据的对比,建立计算函数,实际上此函数并无法对可能发生的场景进行预测,把预测这种随机性运算,变成了固定值带入的加减乘除法运算。而本发明将历史数据建立成数据源,分析以业务为核心的数据模型,映射附数据模型。建立以映射附数据模型的决策数据模型体系,以映射附数据模型和数据源,建立环境数据模型。形成数据分析预测环境,并最终在具备决策数据模型和环境数据模型中,进行数据分析预测实验,将实验结果建立为预测分析结论。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于附预链式数据分析预测系统,其特征在于:其包括决策项分析模块、智能预测管理模块、数据模型管理模块、附预链管理模块、多维数据环境模型分析管理;
所述决策项分析模块用于通过参数配置的方式链接相应被分析数据源,并运用该配置方式获取决策数据、一类数据模型、二类数据模型;
所述智能预测管理模块用于负责调度决策集、数据集、环境集、规则集,组织分析过程,获得分析结论条件和分析结论;
所述数据模型管理模块依据数据源和决策项参数建立对应数据模型与决策模型;
所述附预链管理模块以基础主数据源、主数据决策、主模型、主数据决策模型,建立对应附模型、预模型、链模型;
所述多维数据环境模型分析管理基于环境模型、规则模型、分析标准、决策模型进行数据模型环境综合模拟,并形成分析结果;
所述附模型包括附环境数据模型和附决策模型,负责与主模型进行相同决策;所述预模型依据主模型决策进行预判决策;所述链模型以附模型的决策和预模型的决策为基础,进行决策;
附预链管理模块包含主模型集、附数据模型规则、预数据模型规则、链数据模型规则、数据模型管理模块、附环境数据模型集、附决策数据模型集、预环境数据模型集、预决策数据模型集、链环境数据模型集、链决策数据模型集;
所述主模型集包括主环境数据模型集和主决策数据模型集;
所述数据模型规则包含附数据模型规则、预数据模型规则、链数据模型规则;
所述数据模型管理模块用于获取数据模型规则并建立对应的决策数据、决策抽样、校准决策;
所述附预链环境数据模型集通过数据模型管理模块计算建立,包括附环境数据模型集、预环境数据模型集、链环境数据模型集;
所述附预链决策数据模型集通过数据模型管理模块计算建立,包括附决策数据模型集、预决策数据模型集、链决策数据模型集;
所述智能预测管理模块包含智能预测线程、智能预测初始化、分析规则、环境模型、引入决策模型、多维数据环境模型分析管理、预测数据结果、预测样例集、智能预测结论;
所述智能预测线程用于执行数据分析预测过程,可依据分析需要同时启动多个分析过程,并获得多个分析结果;
所述智能预测初始化用于依据预测目标设置分析信息;
所述分析规则的初始化包括规则分析的初始化;
一类规则为决策规则,二类规则为环境规则;三类规则为决策偏离规则;所述环境模型可用于初始化环境数据;所述预模型集的初始化过程包括引入决策模型、主模型集、附模型集、链模型集;所述多维数据环境模型分析管理用于建立分析子线程,并对规则、模型分析计算;所述预测数据结果用于将分析结果展示输出;所述预测样例集由多个预测结果形成;所述智能预测结论用于将预测样例集进行比对计算,形成智能预测结论。
2.根据权利要求1所述的一种基于附预链式数据分析预测系统,其特征在于:所述决策项分析模块包含参数配置、决策数据、一类数据、环境数据集、二类数据、决策项数据集;所述参数配置通过数据库IP地址、数据库端口号、数据库账号及密码、数据库、数据表决策关键字和关键指标;所述决策数据依据参数配置信息建立与目标数据源链接获取目标数据;所述一类数据由依据决策关键字建立直观可见的数据构成;所述环境数据集由依据决策关键字关联关系挖掘及分析数据,并以数据类为单位形成的多个环境数据形成;所述二类数据由依据决策关键指标对决策数据进行分析并抽象而形成;所述决策项数据集由依据建立的一类数据、环境数据集,通过决策关键字、决策关键指标关联分析二类数据形成。
3.根据权利要求2所述的一种基于附预链式数据分析预测系统,其特征在于:所述数据模型管理模块包含数据源、决策数据、环境数据集、决策项数据集、决策抽样、校准决策、建立数据模型、环境数据模型集、决策数据模型集;
所述数据源包括所需的决策数据、环境数据集、决策项数据集,对于分析的目标和内容;该数据源用于依据智能预测管理模块下达的数据模型分析任务,通过决策项分析模块进行数据模型分析初始化,进行主模型、附模型、预模型、链模型,四类数据模型分析;
所述决策数据由数据模型管理模块依据主模型、附模型、预模型、链模型各自的计算规则建立决策数据,并由多个决策数据建对应决策数据集;
所述环境数据集由依据主模型、附模型、预模型、链模型的计算规则建立的环境数据形成;
所述决策项数据集由依据主模型、附模型、预模型、链模型的计算规则建立的决策项数据形成;
所述决策抽样用于启动决策分析线程,循环对决策数据、环境数据、决策项数据,并进行数据抽样;
所述校准决策用于建立原始数据、环境数据与决策数据,并关联原始数据、环境数据、决策数据相互关系;
所述建立数据模型用于建议具备决策类型、决策指标、决策关键字、决策内容的数据模型;
所述环境数据模型集包含决策类型、决策指标、环境响应条件、环境响应内容;
所述决策数据模型集包含决策类型、决策指标、决策关键字、决策内容。
4.根据权利要求3所述的一种基于附预链式数据分析预测系统,其特征在于:所述多维数据环境模型分析管理包含分析初始化、环境模型加载、规则模型加载、分析数据样例标准、决策模型加载、数据分析线程、启动预测分析、主数据决策、附数据决策、预数据决策、链数据决策、环境数据变化、分析数据结果、预测数据结果;所述分析初始化为依据智能预测管理模块指令加载对应数据模型;所述环境模型加载为实例化环境计算模型;所述规则模型加载为实例化规则计算模型;所述分析数据样例标准为依据数据模型建立分析数据样例指标;所述决策模型加载为实例化决策计算模型;所述数据分析线程用于启动数据分析线程,综合管理数据分析过程;所述启动预测分析为依据规则、环境、决策,依次发出模型指令;所述数据决策用于依据主模型、附模型、预模型、链模型执行决策;所述环境数据变化为环境模型集响应数据决策;所述分析数据结果用于依据分析数据样例标准建立分析结果,其是对数据决策后环境模型响应的各个数据结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201819.4A CN112966860B (zh) | 2021-02-23 | 2021-02-23 | 一种基于附预链式数据分析预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201819.4A CN112966860B (zh) | 2021-02-23 | 2021-02-23 | 一种基于附预链式数据分析预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966860A CN112966860A (zh) | 2021-06-15 |
CN112966860B true CN112966860B (zh) | 2022-09-16 |
Family
ID=76285706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110201819.4A Active CN112966860B (zh) | 2021-02-23 | 2021-02-23 | 一种基于附预链式数据分析预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966860B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114064989B (zh) * | 2022-01-18 | 2022-04-19 | 山东矩阵软件工程股份有限公司 | 一种使用多维数据智能化控制物料装填的方法 |
CN117914001B (zh) * | 2024-03-18 | 2024-05-17 | 北京智芯微电子科技有限公司 | 电力系统、故障研判方法、装置、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122274A (ja) * | 2003-10-14 | 2005-05-12 | Toyota Motor Corp | 車輌の走行態様判定制御装置 |
CN101075304A (zh) * | 2006-05-18 | 2007-11-21 | 河北全通通信有限公司 | 电信行业基于数据仓库的决策支持系统的构造方法 |
US8209045B2 (en) * | 2008-04-07 | 2012-06-26 | Honeywell International Inc. | System and method for discrete supply chain control and optimization using model predictive control |
CN107346460B (zh) * | 2017-07-18 | 2018-06-12 | 吉林大学 | 基于智能网联系统下前车运行信息的未来工况预测方法 |
CN109919347B (zh) * | 2017-12-13 | 2022-01-18 | 腾讯科技(深圳)有限公司 | 路况生成方法、相关装置和设备 |
CN109343995A (zh) * | 2018-10-25 | 2019-02-15 | 金税信息技术服务股份有限公司 | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统 |
CN112241606A (zh) * | 2020-08-03 | 2021-01-19 | 武汉理工大学 | 基于cps决策模块的船舶智能设备运维的协同决策方法 |
-
2021
- 2021-02-23 CN CN202110201819.4A patent/CN112966860B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112966860A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Soe et al. | Agile local governments: Experimentation before implementation | |
CN112966860B (zh) | 一种基于附预链式数据分析预测系统 | |
CN102819769B (zh) | 一种基于集成化建模的个性化学习资源优化方法 | |
CN105469204A (zh) | 深度融合大数据分析技术的重装制造企业综合评价系统 | |
CN110647131B (zh) | 基于模型的五性一体化分析方法 | |
CN113326028B (zh) | 一种基于领域驱动设计与业务全景事件风暴的微服务化分解方法 | |
CN111860853A (zh) | 在线预测系统、设备、方法及电子设备 | |
Greenberg et al. | Views of mathematical programming models and their instances | |
Xie et al. | Restoring incomplete PUMLPRs for evaluating the management way of online public opinion | |
CN109635381A (zh) | 综合管廊管线入廊管理的方法和装置 | |
WO2009056884A1 (en) | Technology enterprise management apparatus and method therefor | |
Zhang et al. | Dynamic time warp-based clustering: Application of machine learning algorithms to simulation input modelling | |
CN114970086B (zh) | 一种基于数据空间的复杂系统级数字孪生构建方法 | |
Tesse et al. | Extending Internet of Things Enterprise Architectures by Digital Twins Exemplified in the Context of the Hamburg Port Authority. | |
CN112202861A (zh) | 一种基于bim的水电工程工法管理应用系统 | |
CN111949830A (zh) | 离散式索引方法与系统 | |
Chomiak-Orsa et al. | Open Data for simulation to determine the efficient management of parking spaces in Smart City | |
Doumeingts et al. | State-of-the-art on models, architectures and methods for CIM systems design | |
Tran-Van et al. | Towards smart traffic lights based on deep learning and traffic flow information | |
Matseliukh et al. | Intelligent System of Dynamic 2D Visualization of Passenger Flows of Public Transport Routes Based on OpenGL. | |
CN114723241A (zh) | 环卫作业任务派发方法、装置、电子设备及存储介质 | |
Ушакова | Application of computer agent modeling for optimization of the assembly process | |
Shunkai et al. | Research on urban intelligent network industry index based on entropy weight method and big data analysis | |
Li et al. | Research on Fuzzy Grey Evaluation of Vehicle Experience Based on Scene Theory Model | |
Yurovskikh | Application of System Engineering Methods in Management of Locomotive Design Processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |