CN113610315B - 一种基于事件网的预测方法、装置及电子设备 - Google Patents

Abstract

本发明提供一种基于事件网的预测方法、装置及电子设备，其中，方法包括：获取任一业务场景下的业务活动数据；将业务活动数据输入至基于事件网建立的业务模型，以触发业务模型对业务场景进行模拟，事件网兼容离散模式和连续模式，基于事件网建立的业务模型包含了业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系；根据业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对业务场景进行模拟的过程，建立触达图，对业务场景下的事件进行预测，触达图为有向网结构，用于描述事件的发展方向和因果关系。通过实施本发明，事件网兼容连续模式，对于连续事件也可以进行有效表达，能够真实地还原业务场景，提高预测的准确性。

Description

一种基于事件网的预测方法、装置及电子设备

技术领域

本发明涉及计算机技术领域，具体涉及一种基于事件网的预测方法、装置及电子设备。

背景技术

预测是指在工作之前对工作过程中以及工作结果可能出现的事物进行预测。对风险事件的预测，则可以使决策者提前制定决策，从而有效规避风险事件。相关技术中，一般采用Petri Net对所研究的业务场景进行建模，并根据建模进行风险预测，但是Petri Net是离散并行系统的数学表示，适合于描述异步的、并发的计算机系统模型。Petri Net这类离散事件动态系统是由异步、突发的事件触发状态演化的动态系统，对于连续事件/连续输入，则无法有效表达，那么根据Petri Net建立的模型进行预测时，其预测准确性差，因此，亟需提出一种新的预测方法。

发明内容

有鉴于此，本发明实施例提供了一种基于事件网的预测方法、装置及电子设备，以解决现有技术中预测准确性差缺陷。

根据第一方面，本发明实施例提供一种基于事件网的预测方法，包括如下步骤：获取任一业务场景下的业务活动数据；将所述业务活动数据输入至基于事件网建立的业务模型，以触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系；根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程，建立触达图，对所述业务场景下的事件进行预测，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

可选地，所述基于事件网建立的业务模型表达形式为：

EN＝(P，E，T，A，F)；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A((P∪E)×T)∪(T×(P∪E))，F为发生函数的集合。

可选地，基于事件网建立业务模型的过程包括：根据所述业务场景下各个业务节点之间的逻辑关系，确定所述事件网中库所之间的有向弧指向以及所述库所之间的变迁；根据所述业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，所述发生函数包括前置条件和后置函数，所述前置条件表征触发变迁发生的条件，所述后置函数用于确定变迁产生的结果以及存放所述结果的库所；根据所述库所之间的有向弧指向、所述库所之间的变迁类型、所述事件以及所述发生函数，得到所述业务模型。

可选地，还包括：在所述业务模型中的目标业务节点设置风险条件，当根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，所述目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。

根据第二方面，本发明实施例提高一种基于事件网的预测装置，包括：数据获取模块，用于获取任一业务场景下的业务活动数据；模拟模块，用于将所述业务活动数据输入至基于事件网建立的业务模型，以触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系；预测模块，用于根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程，建立触达图，对所述业务场景下的事件进行预测，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

可选地，所述模拟模块，包括：事件网表达模块，用于通过所述事件网建立业务模型，基于事件网建立的业务模型表达形式为：

EN＝(P，E，T，A，F)；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A((P∪E)×T)∪(T×(P∪E))，F为发生函数的集合。

可选地，所述模拟模块包括：逻辑建立模块，用于根据所述业务场景下各个业务节点之间的逻辑关系，确定所述事件网中库所之间的有向弧指向以及所述库所之间的变迁；时序建立模块，用于根据所述业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，所述发生函数包括前置条件和后置函数，所述前置条件表征触发变迁发生的条件，所述后置函数用于确定变迁产生的结果以及存放所述结果的库所；模拟子模块，用于根据所述库所之间的有向弧指向、所述库所之间的变迁类型、所述事件以及所述发生函数，得到所述业务模型。

可选地，还包括：风险预警模块，用于在所述业务模型中的目标业务节点设置风险条件，当根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，所述目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。

根据第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的基于事件网的预测方法的步骤。

根据第四方面，本发明实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的基于事件网的预测方法的步骤。

本发明技术方案，具有如下优点：

本发明实施例提供的基于事件网的预测方法，通过事件网建立业务模型，在对业务进行模拟，通过事件网建立的业务模型还原该业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系，建立触达图，从而对事件进行预测，由于事件网兼容容离散模式和连续模式，对于连续事件/连续输入也可以进行有效表达，从而能够更真实地还原业务场景，进而提高预测的准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于事件网的预测方法的一个具体示例的流程图；

图2为本发明实施例中基于事件网的预测方法的一个具体示例的流程图；

图3为本发明实施例中基于事件网的预测装置的一个具体示例原理框图；

图4为本发明实施例中电子设备的一个具体示例的原理框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本实施例提供一种基于事件网的预测方法，如图1所示，包括如下步骤：

S101，获取任一业务场景下的业务活动数据；

示例性地，任一业务场景可以是企业内部的业务场景，包括采购、生产、销售等过程，可以是企业间的业务场景，包括企业间的供应链关系等等。本实施例对业务场景不做限定，本领域技术人员可以根据需要确定。

业务活动数据表征在此业务场景下的业务往来数据以及与业务相关的其他数据。比如，业务场景可以是钢铁产业，业务活动数据可以是钢铁产业内各个业务节点的生产、销售、采购数据，还可以是与业务相关的其他数据，比如，钢铁市场环境数据等等，对于钢铁市场环境数据这类不能完全量化的数据，可以由用户根据实际设置对应的函数。获取任一业务场景下的业务活动数据的方式可以是接入企业ERP系统获取ERP数据、供应链数据，还可以是接收业务人员输入的业务活动数据。

S102，将业务活动数据输入至基于事件网建立的业务模型，以触发业务模型对业务场景进行模拟，事件网兼容离散模式和连续模式，基于事件网建立的业务模型包含了业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系；

示例性地，事件网为兼容离散和连续两种模式的仿真建模平台，事件网由事件触发，在事件网中集成了大量处理连续输入和离散输入的算法、函数以及集成了大数据处理以及各种机器学习算法。与目前基于Petri Net(PN)的系统相比。事件网的表达能力更强，更自由，网络和拓扑层次清晰，而且能够同时描述物理和虚拟世界的事件，支持离散和连续的混合建模。

在事件网中预先存储有针对各种业务场景的库所(Place)、事件(event)、变迁(transition)、发生函数(firing function)等组件，用户可通过拖/拉/拽的方式，选定库所(Place)、事件(event)、变迁(transition)、发生函数(firing function)等组件，然后利用有向弧(Arc)对库所、变迁等组件进行连接/组合，从而得到基于事件网的业务模型，其中，发生函数可以由用户根据业务场景自定义得到，也可以是事件网预存的函数。

基于事件网建立的业务模型表达形式为：

EN＝(P，E，T，A，F)；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A((P∪E)×T)∪(T×(P∪E))，F为发生函数的集合。

在事件网中，库所(Place)表征业务发生的场所，例如炼铁的工厂即为库所；库所(Place)里包含需要消费的资产令牌(token)数目，其中token可以为任一实数或向量，因此可以满足离散和连续的兼容性，同时，底层计算框架支持离散和连续的兼容性。事件(event)即为触发整个业务流转的先决条件；变迁(transition)表征业务的流转过程，例如，将生铁粉烧结为致密体的过程。每一个变迁均存在方向，可以用有向弧(Arc)进行指示。

发生函数包括发生的前置条件，发生的时长及发生后的变化等等。发生函数的前置条件包括：触发该变迁所需要的事件(Event)；该变迁(Transition)前缀有哪些库所(Places)，库所里需要消费的Token数目；发生的时长t，t为发生函数的持续时间，允许t＝0，且t时间完成后发生(firing)函数就结束。发生结束后根据后置函数计算发生所产生的相应资产令牌数量(tokens)，这些资产令牌(tokens)放在其后缀的库所中，同时后置函数还可以产生一个或多个Event放在其后缀的Event Hub里。

因此，根据业务场景下各个业务节点之间的逻辑关系，可以确定事件网中库所之间的有向弧指向以及库所之间的变迁；根据业务场景下事件发生的时序关系，可以确定事件网中的事件以及发生函数，根据库所之间的有向弧指向、库所之间的变迁类型、事件以及发生函数，得到业务模型。

以业务模型为钢铁烧结为例，对基于事件网建立业务模型的方式进行说明，如图2所示，库所1可以表示盛放铁粉的场所，库所2可以表示盛放燃烧物质的场所，在库所1和库所2中分别存在不同数量的token，库所1中的token可以用于表示铁粉的数量，库所2中的token用于表示燃烧物质的数量。事件1可以表征点燃燃烧物质对铁粉进行烧结。铁粉烧结成球状或者块状的致密体的过程可以用变迁表示，在变迁中存在一个发生函数，该发生函数用于掌控整个烧结过程的发生和结束，发生函数中包含有触发变迁的前置条件(触发变迁的事件)，在结束后，发生函数中的后置函数计算烧结出的致密体的数量，并用对应的token数量进行表示，将该token放入库所3，库所3表示烧结出致密体的存放场所。因此，基于事件网建立的业务模型，可以阐明业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系。

S103，根据业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对业务场景进行模拟的过程，建立触达图，对业务场景下的事件进行预测，触达图为有向网结构，用于描述事件的发展方向和因果关系。

示例性地，触达图为有向网结构，能够描述事件的发展方向和因果关系。根据业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对业务场景进行模拟的过程，建立触达图的方式可以是从事件网平台中导出该业务模型对应的各业务节点以及业务节点之间的逻辑关系以及时序关系，形成以各业务节点为骨架，以节点之间的逻辑关系和时序关系进行有向连接的有向网，通过该网络能够对该业务场景的发生的事件进行预测。

本实施例提供的基于事件网的预测方法，通过事件网建立业务模型，在对业务进行模拟，通过事件网建立的业务模型还原该业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系，建立触达图，从而对事件进行预测，由于事件网兼容容离散模式和连续模式，对于连续事件/连续输入也可以进行有效表达，从而能够更真实地还原业务场景，进而提高预测的准确性。

作为本实施例一种可选的实施方式，基于事件网建立业务模型的过程包括：

根据业务场景下各个业务节点之间的逻辑关系，确定事件网中库所之间的有向弧指向以及库所之间的变迁；

示例性地，业务节点之间的逻辑关系表示的是在该业务场景下正常运行的业务逻辑，比如，炼钢的业务逻辑一般是铁矿石炼制成初练钢水，初练钢水在炉外精炼，形成精炼钢水，然后通过连铸机进行磨铸等等。那么铁矿石炼制成初练钢水时，其变迁为由铁矿石变为钢水，其库所之间的有向弧连接方向为盛放铁矿石的仓库到盛放钢水的容器，其他环节以此类推，由此，可以根据实际的业务节点之间的逻辑关系，在事件网中去欸的那个库所之间的有向弧指向以及库所之间的变迁。

根据业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，发生函数包括前置条件和后置函数，前置条件表征触发变迁发生的条件，后置函数用于确定变迁产生的结果以及存放结果的库所；

示例性地，不同的业务场景其业务活动的发生具有时序关系，比如，在铁矿石炼制成初练钢水后，启动初练钢水在炉外精炼，形成精炼钢水的这一过程。在事件网中，可以将时序关系写入发生函数中，在前置条件中写入触发条件，比如，触发条件是将初练钢水倒入锅炉并加热，在后置函数中写入变迁产生的结果，以及存放结果的库所，比如，后置函数中包括有初练铁水和精炼钢水的炼制比例以及精炼钢水的存放场所，以便于计算出精炼钢水的分量，并将精炼钢水数量所表征的token放入对应的库所中。

根据库所之间的有向弧指向、库所之间的变迁类型、事件以及发生函数，得到业务模型。

作为本实施例一种可选的实施方式，基于事件网的预测方法还包括：

在业务模型中的目标业务节点设置风险条件，当根据业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。

示例性地，风险条件可以是根据历史经验得到的，也可以根据专家数据得到，其具体的表征形式可以是风险阈值，比如，钢铁产业中高炉停机可能导致巨大风险，当根据事件网建立的钢铁产业模型，预测得到的钢铁产出量小于风险阈值，则表示按照当前的采购策略，会导致高炉停产，此时发出风险事件预警，以便于提醒用户及时更改当前策略，避免风险事件发生，从而降低企业风险。

本实施例提供一种基于事件网的预测装置，如图3所示，包括：

数据获取模块201，用于获取任一业务场景下的业务活动数据；具体内容参见上述方法实施例对应部分，在此不再赘述。

模拟模块202，用于将所述业务活动数据输入至基于事件网建立的业务模型，以触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系；具体内容参见上述方法实施例对应部分，在此不再赘述。

预测模块203，用于根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程，建立触达图，对所述业务场景下的事件进行预测，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，所述模拟模块，包括：事件网表达模块，用于通过所述事件网建立业务模型，基于事件网建立的业务模型表达形式为：

EN＝(P，E，T，A，F)；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A((P∪E)×T)∪(T×(P∪E))，F为发生函数的集合。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，模拟模块包括：

逻辑建立模块，用于根据所述业务场景下各个业务节点之间的逻辑关系，确定所述事件网中库所之间的有向弧指向以及所述库所之间的变迁；具体内容参见上述方法实施例对应部分，在此不再赘述。

时序建立模块，用于根据所述业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，所述发生函数包括前置条件和后置函数，所述前置条件表征触发变迁发生的条件，所述后置函数用于确定变迁产生的结果以及存放所述结果的库所；具体内容参见上述方法实施例对应部分，在此不再赘述。

模拟子模块，用于根据所述库所之间的有向弧指向、所述库所之间的变迁类型、所述事件以及所述发生函数，得到所述业务模型。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，还包括：风险预警模块，用于在所述业务模型中的目标业务节点设置风险条件，当根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，所述目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。具体内容参见上述方法实施例对应部分，在此不再赘述。

本申请实施例还提供一种电子设备，如图4所示，处理器310和存储器320，其中处理器310和存储器320可以通过总线或者其他方式连接。

处理器310可以为中央处理器(Central Processing Unit，CPU)。处理器310还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器320作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的基于事件网的预测方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。

存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器320可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器320中，当被所述处理器310执行时，执行如图1所示实施例中的基于事件网的预测方法。

上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中基于事件网的预测方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－StateDrive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种基于事件网的预测方法，其特征在于，包括如下步骤：

获取任一业务场景下的业务活动数据；

将所述业务活动数据输入至基于事件网建立的业务模型，以触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系，事件网为兼容离散和连续两种模式的仿真建模平台，事件网由事件触发，在事件网中集成了处理连续输入和离散输入的算法、函数以及集成了大数据处理以及多种机器学习算法；

所述基于事件网建立的业务模型表达形式为：EN＝(P，E，T，A，F)；其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合， F为发生函数的集合；

库所Place里包含需要消费的资产令牌token数目，其中token为任一实数或向量，底层计算框架支持离散和连续的兼容性，事件event即为触发整个业务流转的先决条件；变迁transition表征业务的流转过程，每一个变迁均存在方向，用有向弧Arc进行指示，发生函数包括发生的前置条件，发生的时长及发生后的变化；

根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程，建立触达图，对所述业务场景下的事件进行预测，所述触达图为有向网结构，用于描述事件的发展方向和因果关系，建立触达图的方式为从事件网平台中导出业务模型对应的各业务节点以及业务节点之间的逻辑关系以及时序关系，形成以各业务节点为骨架，以节点之间的逻辑关系和时序关系进行有向连接的有向网。

2.根据权利要求1所述的方法，其特征在于，基于事件网建立业务模型的过程包括：

根据所述业务场景下各个业务节点之间的逻辑关系，确定所述事件网中库所之间的有向弧指向以及所述库所之间的变迁；

根据所述业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，所述发生函数包括前置条件和后置函数，所述前置条件表征触发变迁发生的条件，所述后置函数用于确定变迁产生的结果以及存放所述结果的库所；

根据所述库所之间的有向弧指向、所述库所之间的变迁类型、所述事件以及所述发生函数，得到所述业务模型。

3.根据权利要求1所述的方法，其特征在于，还包括：

在所述业务模型中的目标业务节点设置风险条件，当根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，所述目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。

4.一种基于事件网的预测装置，其特征在于，包括：

数据获取模块，用于获取任一业务场景下的业务活动数据；

模拟模块，用于将所述业务活动数据输入至基于事件网建立的业务模型，以触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的逻辑关系以及事件发生的时序关系，事件网为兼容离散和连续两种模式的仿真建模平台，事件网由事件触发，在事件网中集成了处理连续输入和离散输入的算法、函数以及集成了大数据处理以及多种机器学习算法；

所述模拟模块，包括：事件网表达模块，用于通过所述事件网建立业务模型，基于事件网建立的业务模型表达形式为：EN＝(P，E，T，A，F)；其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合， F为发生函数的集合；

库所Place里包含需要消费的资产令牌token数目，其中token为任一实数或向量，底层计算框架支持离散和连续的兼容性，事件event即为触发整个业务流转的先决条件；变迁transition表征业务的流转过程，每一个变迁均存在方向，用有向弧Arc进行指示，发生函数包括发生的前置条件，发生的时长及发生后的变化；

预测模块，用于根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程，建立触达图，对所述业务场景下的事件进行预测，所述触达图为有向网结构，用于描述事件的发展方向和因果关系，建立触达图的方式为从事件网平台中导出业务模型对应的各业务节点以及业务节点之间的逻辑关系以及时序关系，形成以各业务节点为骨架，以节点之间的逻辑关系和时序关系进行有向连接的有向网。

5.根据权利要求4所述的装置，其特征在于，所述模拟模块包括：

逻辑建立模块，用于根据所述业务场景下各个业务节点之间的逻辑关系，确定所述事件网中库所之间的有向弧指向以及所述库所之间的变迁；

时序建立模块，用于根据所述业务场景下事件发生的时序关系，确定事件网中的事件以及发生函数，所述发生函数包括前置条件和后置函数，所述前置条件表征触发变迁发生的条件，所述后置函数用于确定变迁产生的结果以及存放所述结果的库所；

模拟子模块，用于根据所述库所之间的有向弧指向、所述库所之间的变迁类型、所述事件以及所述发生函数，得到所述业务模型。

6.根据权利要求4所述的装置，其特征在于，还包括：

风险预警模块，用于在所述业务模型中的目标业务节点设置风险条件，当根据所述业务模型下各个业务节点之间的逻辑关系以及事件发生的时序关系对所述业务场景进行模拟的过程中，所述目标业务节点模拟产生的业务数据不满足风险条件，则发出风险事件预警。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1－3任一所述的基于事件网的预测方法的步骤。

8.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1－3任一所述的基于事件网的预测方法的步骤。