[发明专利]智能判证预测事件发生的处理系统

权利要求书

1.一种智能判证预测事件发生的处理系统，包括：数据采集汇聚终端、综合处理算法平台和可视化交互平台，其特征在于：数据采集汇聚终端主要由各类采集设备工具以及服务器集群组成，数据搜集汇聚阶段，数据采集汇聚终端利用各类采集设备工具对自定义事件和历史数据的相关数据进行采集，针对事件关联元素利用神经网络训练后建立知识库，在关键词搜索的基础上结合知识库关联内容进行关联搜索，获得更多、更全面的数据，对关注信息进行自动采集汇总；调用综合处理算法平台中构建的模型知识库中的关联知识进行扩展关联数据搜索采集，将多渠道搜集到的数据送入服务器集群进行数据汇聚和传输，通过自定义的数据接口汇集到综合处理算法平台进行后续处理；综合处理算法平台主要包含由软件编程实现的数据接口，连接数据接口的用来处理各类数据的信息智能处理模块和模型知识库，连接信息智能处理模块的各类功能算法模块； 各类功能算法模块包含了预测算法模块、资源智能配置模块、证据元攻防算法模块和模型训练算法模块； 综合处理阶段，对汇集到综合处理算法平台中进行自动文本分析和数据清洗、筛选、合并去重、对信息去伪存真处理；然后利用证据链循环证明各要素之间的互证和互斥关系，根据各要素的正确权重调用人工神经网络训练程序，提取出要素特征项及各要素权重值，支撑事件的预测，并对事件的发生概率、发展趋势作出判断和部分证据证明；综合处理算法平台结合预测算法模块、资源智能配置模块、证据元攻防算法模块、模型训练算法模块这四个功能线程处理流程进行处理后，将分析结果及部分中间结果通过数据接口送到可视化交互平台进行处理。

2.如权利要求1所述的智能判证预测事件发生的处理系统，其特征在于：展示阶段中，可视化交互平台中的嵌入式系统采用B/S架构，结合VGA显示终端以及控制输入终端实现功能算法的可视化展现和人机交互命令输入，并采用图片切换插件iView、图表插件EChart完成可视化呈现展示。

3.如权利要求2所述的智能判证预测事件发生的处理系统，其特征在于：B/S架构中的后端服务模块利用java语言编写的spring BOOT框架、 MyBatis数据库框架， Redis存储系统以及RabbitMQ消息队列系统形成业务逻辑，实现数据的获取、分析、处理的后台处理功能，并采用JSON数据交换格式字符串以超文本传输协议HTTP的协议方式与前端框架模块进行交互，前端框架模块利用VSCODE代码编辑软件开发工具，采用超文本标记语言HTML、浏览器客户端脚本语言Javascrip、层叠样式表CSS语言来搭建一个构建用户界面的渐进式框架Vue.js，Vue.js框架采用创建快速动态网页的异步JavaScript和XML的Ajax，利用HTML语言编写网页显示界面，数据驱动web界面传输异步数据，获取需要可视化展示的数据。

4.如权利要求1所述的智能判证预测事件发生的处理系统，其特征在于：所述各类采集设备工具包含了网络爬虫工具、音频视频采集设备、虚拟网络节点和信息通报渠道。

5.如权利要求4所述的智能判证预测事件发生的处理系统，其特征在于：各类采集设备工具对自定义事件的相关数据种类进行采集，并调用综合处理算法平台中构建的模型知识库中涵盖文本、音频、图像、知识、资料多种样式数据种类的关联知识进行关联数据搜索采集。

6.如权利要求1所述的智能判证预测事件发生的处理系统，其特征在于：多源数据通过数据接口接入后，经过信息智能处理模块进行统一的处理，按处理流程，首先是对汇聚的各类数据进行标准格式转换，输出为较为统一的数据模式方便后续处理；然后对统一标准后的数据进行标准化数据转换、数据清洗，进行野值剔除、数据质量分析、误差校正处理后进行智能文本处理，利用最优匹配法、双向匹配法实现分词后利用决策树进行分类，完成词性标注，对关键要素项进行提取，然后利用KNN算法、决策机进行关联挖掘，并对挖掘关联后的信息进行补充和融合重构。

7.如权利要求1所述的智能判证预测事件发生的处理系统，其特征在于：信息智能处理模块在进行了信息智能处理后，根据人机交互输入的不同的任务需求，实现不同的功能线程，并按4个多功能线程传输数据，第1功能线程数据通过模型训练算法模块，将信息智能处理后的信息数据，根据不同的事件选取要素项首先构建特征群，结合是否有证据元攻防线程的反馈信息的情况及反馈信息，应用神经网络算法形成模型要素节点及节点权重，对各模型要素权重值进行计算，实现指标量化，根据量化指标建立对应的模型，实现将建立的模型存入模型知识库；第2功能线程经预测算法模块将信息智能处理后的信息数据，根据不同的事件进行要素特征项提取，调用模型知识库中的事件模型，结合贝叶斯预测、竞争性预测算法进行事件预测，预测包含事件发生概率、扩散范围、防控效果预测的最终数据预测结果，向可视化交互平台输出预测结果；第3功能线程通过证据元攻防算法模块，针对某一预测事件进行证据元攻防验证及反馈调整；首先根据信息智能处理后的信息数据预测事件进行证据元提取，对假设证据元要素项正确与否的方式进行证据逻辑对抗，利用证据链循环证明各要素之间的互证和互斥关系，对冲突证据进行复查自证，去伪存真后对证据群进行修正及部分合并处理，证据修正合成并提取有效证据群，然后根据逻辑对抗结果对提取的证据元进行信度分配和对历史预测事件进行验证，将修改后的证据群及信度分配情况反馈至模型训练线程，从而实现模型的调整优化并影响后续的事件预测；第4功能线程通过资源智能配置模块，对信息智能处理后的事件信息数据进行要素提取，结合地理分布、资源种类和数量完成资源分布计算，同时调用模型知识库中的数据，完成防控节点能力评估，并引入人机交互所输入的外部防控需求，利用动态规划算法得出资源智能配置功能的防控方案，其中，动态规划算法包括实现资源动态分配的遗传算法、多次迭代寻找最优策略以及伏格尔发法设备规则。