(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111640787.4 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 114169253 A (43)申请公布日 2022.03.11 (73)专利权人 中国科学院空间应用工程与技 术 中心 地址 100094 北京市海淀区邓庄南路9号 (72)发明人 施建明　刘亦飞　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 专利代理师 尉保芳 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) 审查员 齐蓓蓓 (54)发明名称 基于Flink和LSTM的数据流动态预测方法及 系统 (57)摘要 本发明涉及工业大数据领域， 尤其涉及基于 Flink和LSTM的数据流动态预测方法及系 统。 该 方法包括： 实时获取被监测系统的生成的时序数 据， 根据所述时序数据形成输入数据流， 对所述 输入数据流进行转化， 得到有标记的数据流， 将 所述有标记的数据流进行处理， 形成随时间不断 累积的数据集； 根据所述输入数据流的实时状 态， 进行是否触发建模动作指令的判断； 当判断 结果为是时， 基于所述数据集进行模型构建， 得 到预测模型； 通过所述预测模型对 所述有标记的 数据流中的数据元素进行预测， 得到预测结果。 本发明无需通过人工去执行关键的建模和预测 任务， 均在数据流牵引下自动完成， 省去了大量 人力的同时提高了效率。 权利要求书2页 说明书13页 附图4页 CN 114169253 B 2022.07.19 CN 114169253 B 1.一种基于Fl ink和LSTM的时序数据流的动态预测方法， 其特 征在于， 包括： 实时获取被监测系统的生成的时序数据， 根据所述时序数据形成输入数据流， 对所述 输入数据流进 行转化， 得到有 标记的数据流， 将所述有标记的数据流进 行处理， 形成随时间 不断累积的数据集； 根据所述输入数据流的实时状态， 进行 是否触发建模动作指令的判断； 当判断结果 为是时， 基于所述数据集进行模型构建， 得到预测模型； 通过所述预测模型对所述有标记的数据流中的数据元 素进行预测， 得到预测结果； 其中， 所述当判断结果为是时， 基于所述数据集进行模型构建， 得到预测模型具体包 括： 当判断结果为是时， 首次触发基于LSTM的建模， 并同时开启周期建模循环定时器， 进入 定时更新机制， 基于所述定时更新机制， 每隔固定周期， 触发基于LSTM的建模， 并以本次固 定周期内建立的LSTM模型作为 最新的预测模型； 所述定时更新机制具体包括： 注册定时器并启动， 在所述定时器到时的情况下， 触发基于LSTM的建模， 并注册新的定 时器， 将所述 新的定时器作为所述定时器进行启动。 2.根据权利 要求1所述的一种基于Flink和LSTM的时序数据流的动态预测方法， 其特征 在于， 对所述输入数据流进行转 化， 得到有标记的数据流具体包括： 通过Flimk map算子对所述输入数据流进行转 化， 得到有标记的数据流。 3.根据权利 要求1所述的一种基于Flink和LSTM的时序数据流的动态预测方法， 其特征 在于， 根据所述输入数据流的实时状态， 进行 是否触发建模动作指令的判断具体包括： 判断所述实时状态是否满足预设条件， 当所述实时状态满足时， 触发建模动作指令， 反 之， 则不触发建模动作指令； 所述预设条件为所述输入数据流中的数据元 素超过预设限值。 4.根据权利 要求3所述的一种基于Flink和LSTM的时序数据流的动态预测方法， 其特征 在于， 所述触发基于LSTM的建模具体包括： 调取封装后的建模子程序， 基于所述建模子程序对所述数据集进行LSTM的建模。 5.根据权利 要求1所述的一种基于Flink和LSTM的时序数据流的动态预测方法， 其特征 在于， 所述 通过所述预测模型对所述有标记的数据流进行 预测， 得到预测结果具体包括： 实时对所述有标记的数据流中的每个数据 元素的标记符进行判断， 将判断结果为真的 数据元素输入至所述预测模型中得到预测结果。 6.一种基于Fl ink和LSTM的时序数据流的动态预测系统， 其特 征在于， 包括： Flink读写模块， 用于实时获取被监测系统的生成的时序数据， 根据所述时序数据形成 输入数据流， 对所述输入数据流进 行转化， 得到有标记的数据流， 将所述有标记的数据流进 行存储处理， 形成随时间不断累积的数据集； 触发与牵引模块， 用于根据所述输入数据流的实时状态， 进行是否触发建模动作指令 的判断， 将所述有标记的数据流用于牵引动态预测分析； LSTM建模模块， 用于当触发指令发出 时， 基于所述数据 集进行模型构建， 得到LSTM预测 模型； 动态预测模块， 用于通过所述预测模型对所述有标记的数据流中的数据元素进行预 测， 得到预测结果； 其中， 所述当判断结果为是时， 基于所述数据集进行模型构建， 得到预测模型具体包权　利　要　求　书 1/2 页 2 CN 114169253 B 2括： 当判断结果为是时， 首次触发基于LSTM的建模， 并同时开启周期建模循环定时器， 进入 定时更新机制， 基于所述定时更新机制， 每隔固定周期， 触发基于LSTM的建模， 并以本次固 定周期内建立的LSTM模型作为 最新的预测模型； 所述定时更新机制具体包括： 注册定时器并启动， 在所述定时器到时的情况下， 触发基于LSTM的建模， 并注册新的定 时器， 将所述 新的定时器作为所述定时器进行启动。 7.根据权利 要求6所述的一种基于Flink和LSTM的时序数据流的动态预测系统， 其特征 在于， 对所述输入数据流进行转 化， 得到有标记的数据流具体包括： 通过Flimk map算子对所述输入数据流进行转 化， 得到有标记的数据流。 8.根据权利 要求6所述的一种基于Flink和LSTM的时序数据流的动态预测系统， 其特征 在于， 根据所述输入数据流的实时状态， 进行 是否触发建模动作指令的判断具体包括： 判断所述实时状态是否满足预设条件， 当所述实时状态满足时， 触发建模动作指令， 反 之， 则不触发建模动作指令； 所述预设条件为所述输入数据流中的数据元 素超过预设限值。权　利　要　求　书 2/2 页 3 CN 114169253 B 3