事件预测方法以及应用于事件预测的信息处理设备

技术领域

本公开的示例实施例总体涉及计算机信息领域，特别地涉及一种事件预测方法以及用于事件预测的信息处理设别。

背景技术

事件预测应用于工业和产业界的各个领域，比如电力、网路故障预测、能源分配预测、生产决策、交通运输、环境监测以及军事等各个方面。

然而现有的事件预测方法中仅仅简单地依赖于采集到的监测数据以及历史信息，对于数据之间以及历史信息之间的关系并没有很好地综合考虑，导致目前的事件预测能力不足。

发明内容

在本公开的第一方面，提供了一种事件预测的方法，包括：接收与预测事件相关的一个或多个观测数据，以及基于事件预测模型分析该一个或多个观测数据并输出所述预测事件发生的事件等级，其中，所述事件预测模型包括一层次分析网络，所述层次分析网络包括多类先验事件，每类先验事件包括一个或多个表征事件，每类先验事件对应于预测事件发生的事件等级。

在本公开的第二方面，提供了一种用于事件预测的信息处理设备，包括一处理器，该处理器被配置为执行上述事件预测方法。

本发明实施例提供的事件预测方法和信息处理设备，通过利用层次分析网络构建的事件预测模型，通过若干类先验事件、每类先验事件对应的表征事件以及与每类先验事件对应的多个事件等级的逐层、逐步同时系统化地分析观测数据来预测事件发生属于哪种事件等级，从而提升了事件的预测精度和广度。

应当理解，本发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的描述而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。其中：

图1示出了本公开一实施例中一种事件预测方法的流程示意图。

图2示出了本公开一实施例中事件预测方法采用的事件预测模型的模型架构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

请参阅图1，本发明实施例提供了一种事件预测的方法10，该方法10包括：

S12，接收与所述预测事件相关的一个或多个观测数据，以及

S14，基于事件预测模型分析该一个或多个观测数据并输出所述预测事件发生的事件等级，其中，所述事件预测模型包括一层次分析网络，所述层次分析网络包括多类先验事件，每类先验事件包括一个或多个表征事件，每类先验事件对应于预测事件发生的事件等级。

所述事件预测方法10可应用于多个技术领域，如电力、网路故障预测、能源分配预测、生产决策、交通运输、环境监测以及军事等各个方面。所述事件预测可以为故障预测、自然灾害风险评估、能源分配预估等。

在上述步骤S12中，可根据预测事件的应用场景获取所述一个或多个观测数据，所述一个或多个观测数据可以包括一个或多个实际发生的观测事件、所述观测事件的具体信息或数据，以及所述观测事件发生的时间信息。所述一个或多个观测数据可根据应用场景通过信息采集装置获得。所述信息采集装置可以为但不限于传感器、检测仪以及网络通信设备中的一种或多种。所述一个或多个观测数据可以反应所述观测事件的具体状况以便基于所述具体状况预测未来事件发生的可能性。

在所述步骤S14中，所述事件预测模型用于利用输入的所述一个或多个所述观测数据来确定所述预测事件发生的事件等级。

请一并参阅图1和图2，所述事件预测方法10进一步包括：构建所述事件预测模型的步骤S11。

所述事件预测模型包括一通过层次分析方法构建的层次分析网络。构建所述事件预测模型的步骤S11进一步包括：

S112，针对每个预测事件，构建多个事件等级；

S114，针对每个事件等级，构建多类先验事件；

S116，以及针对每类先验事件，构建多个表征事件，以及

S118，基于所述表征事件、先验事件以及事件等级的预测概率来确定所述预测事件发生的概率。

在本公开的一实施例中，所述事件预测模型中可针对每个预测事件，构建多个事件等级X

在本公开的一个实施例中，所述事件等级X

在本公开的一个实施例中，所述先验事件Y

在本公开的一个实施例中，构建所述事件预测模型可进一步配置一反映预测事件在某一时刻是否具有影响力的参数。具体地，所述参数可以为常量ε，当计算T

在本公开的一个实施例中，所述步骤S14进一步包括：

S142，基于所述一个或多个观测数据确定与该一个或多个观测数据相关联的一个或多个第一表征事件；

S144，确定与所述第一表征事件对应的一个或多个第一先验事件，以及

S146，基于所述一个或多个第一先验事件确定所述预测事件发生的事件等级。

在本公开的一个实施例中，所述步骤S142进一步包括：

S1422，基于所述一个或多个观测数据确定所述一个或多个所述表征事件在预测时刻的预测概率，以及

S1424，基于所述预测概率确定一个或多个所述第一表征事件。

在本公开的一个实施例中，可根据与所述观测数据对应的表征事件Z

所述参数

在本公开的一个实施例中，所述步骤S144进一步包括：

S1442，基于所述一个或多个第一表征事件在所述预测时刻的预测概率确定每类所述先验事件在预测时刻的预测概率，以及

S1444，基于每类所述先验事件在预测时刻的预测概率确定一个或多个所述第一先验事件。

在本公开的一个实施例中，所述先验事件在预测时刻的预测概率通过以下计算方法获得：

所述P'

在本公开的一个实施例中，所述步骤S146进一步包括：

S1462，基于一个或多个所述第一先验事件在预测时刻的预测概率确定所述一个或多个第一先验事件发生的每个事件等级的预测概率，以及

S1464，根据所述每个事件等级的预测概率的大小确定所述预测事件发生的事件等级的概率。

在本公开的一个实施例中，所述事件等级的预测概率通过以下计算方法获得：

其中事件等级X

所述预测事件发生的事件等级的概率P(T)为：

P(T)＝max(P″

所述参数i1、i2、i3表示所述事件等级的编号。

在本公开的实施例中，通过获得所述预测事件发生的事件等级的概率即可确定所述预测事件的事件等级，根据所述预测事件的等级即可确定所述待预测事件发生的概率。

在本公开的实施例中，所述事件预测方法10进一步包括获取所述预测事件在特定时刻发生的事件等级。

在本公开的实施例中，所述事件预测方法10进一步包括基于所述预测事件发生的等级生成一个或多个策略信息。

本公开实施例提供的所述事件预测的方法为一种基于动向逻辑的事件预测方法，通过利用层次分析网络构建的事件预测模型，可以通过定性和定量结合的、系统化、层次化的分析来预测事件发生的可能性，具体地，通过若干类先验事件、每类先验事件对应的表征事件以及与每类先验事件对应的多个事件等级的逐层、逐步同时系统化地分析观测数据来预测事件发生属于哪种事件等级，从而提升了事件的预测能力和精度。

本发明实施例进一步提供了一种信息处理设备，该信息处理设备用于所述事件预测，该信息处理设备至少包括一处理器可以执行前面所述的事件预测方法10中的所有步骤，再次不再赘述。所述信息处理设备可以为具有数据分析的任何计算机或者其他电子设备。该信息处理设备可以进一步包括计算机存储介质用于存储所述观测数据以及事件预测模型。

所述介质可以是所述信息处理设备可访问的任何可以获取的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如，只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质。

这里参照根据本公开实现的方法、装置、设备和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实现的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实现，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各个实现方式。