(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111405473.6 (22)申请日 2021.11.24 (71)申请人 上海创景信息科技有限公司 地址 200135 上海市浦东 新区自由贸易试 验区郭守敬路498号14幢2 2301-985座 (72)发明人 吴正猛　秦炜　刘钧钧　杨定均　 王乔乔　 (74)专利代理 机构 上海段和段律师事务所 31334 代理人 黄磊 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于知识库和人工智能的仿真模型优选方 法、 系统及 介质 (57)摘要 本发明提供了一种基于知识库和人工智能 的仿真模型优选方法、 系统及介质， 涉及系统仿 真技术领域， 该方法包括： 步骤S1： 收集仿真模型 数据， 建立仿真模型知识库； 步骤S2： 利用所述仿 真模型知识库对已有数据进行训练， 得到训练好 的深度神经网络模型； 步骤S3： 根据仿真环境主 要部件特征数据， 通过所述深度神经网络模型， 筛选出的仿真模型列表； 步骤S4： 由用户主动在 仿真模型列表中进行筛选判断。 本发 明能够提高 仿真模型选择的匹配度， 缩短仿真模型选择时 间， 减少模型的选择成本 。 权利要求书1页 说明书4页 附图1页 CN 114154410 A 2022.03.08 CN 114154410 A 1.一种基于知识库和人工智能的仿真模型优选方法， 其特 征在于， 包括： 步骤S1： 收集仿真模型 数据， 建立仿真模型知识库； 步骤S2： 利用所述仿真模型知识库已有数据进行训练， 得到训练好的深度神经网络模 型； 步骤S3： 根据仿真环境主要部件特征数据， 通过所述深度神经网络模型， 筛选得到仿真 模型列表； 步骤S4： 在仿真模型列表中进行筛 选判断。 2.根据权利要求1所述的基于知识库和人工智能的仿真模型优选方法， 其特征在于， 所 述步骤S1包括： 步骤S1.1： 将仿真模型分为处 理器、 存储器、 网络设备以及外设在内的主 要功能部件； 步骤S1.2： 提取主 要功能部件的特 征数据； 步骤S1.3： 通过分类法建立仿真模型知识库。 3.根据权利要求1所述的基于知识库和人工智能的仿真模型优选方法， 其特征在于， 所 述步骤S2包括： 步骤S2.1： 收集已有仿真环境需求主 要特征数据与筛 选后仿真模型； 步骤S2.2： 采用开源机器学习框架搭建整个深度神经网络模型的结构； 步骤S2.3： 通过收集的数据训练深度神经网络模型。 4.一种基于知识库和人工智能的仿真模型优选系统， 其特 征在于， 包括： 模型M1： 收集仿真模型 数据， 建立仿真模型知识库； 模型M2： 利用所述仿真模型知识库已有数据进行训练， 得到训练好的深度神经网络模 型； 模型M3： 根据仿真环境主要部件特征数据， 通过所述深度神经网络模型， 筛选出的仿真 模型列表； 模型M4： 由用户主动在仿真模型列表中进行筛 选判断。 5.根据权利要求4所述的基于知识库和人工智能的仿真模型优选系统， 其特征在于， 所 述模块M1包括： 模块M1.1： 将仿真模型分为处 理器、 存储器、 网络设备以及外设在内的主 要功能部件； 模块M1.2： 提取主 要功能部件的特 征数据； 模块M1.3： 通过分类法建立仿真模型知识库。 6.根据权利要求4所述的基于知识库和人工智能的仿真模型优选系统， 其特征在于， 所 述模块M2包括： 模块M2.1： 收集已有仿真环境需求主 要特征数据与筛 选后仿真模型； 模块M2.2： 采用开源机器学习框架搭建整个深度神经网络模型的结构； 模块M2.3： 通过收集的数据训练深度神经网络模型。 7.一种存储有计算机程序的计算机可读存储介质， 其特征在于， 所述计算机程序被处 理器执行时实现权利要求1至 3中任一项所述的方法的步骤。权　利　要　求　书 1/1 页 2 CN 114154410 A 2基于知识库和人工智能的仿真模型优选方 法、 系统及介质 技术领域 [0001]本发明涉及系统仿真技术领域， 具体地， 涉及一种基于知识库和人工智能的仿真 模型优选方法、 系统及 介质。 背景技术 [0002]在调用仿真模型构建复杂系统时， 仿真模型的搜索和选择是非常重要的技术支 撑。 仿真模型选择主要是根据仿真环境需求选择适合的仿真模型， 而如何在众多的仿真模 型中快速准确的选择出合适的仿 真模型， 是业界的痛点问题， 是因为模型部件特征多， 部件 之间又存在适配兼容性， 普通检索无法解决部件适配关系， 需要投入巨大 的人力与时间成 本进行人工筛选， 而本发明针对该缺陷， 以提高检索的快速和准确性。 [0003]公开号为CN110287332B的发明专利， 公开了一种云环境下仿真模型选择方法与装 置， 包括： 获取选择仿 真模型的搜索条件； 根据所述搜索条件在预设的知识图谱 数据库中搜 索， 得到多个候选仿真模型； 其中， 所述知识图谱数据库中包含仿真模型的语义描述信息， 所述语义描述信息用于在与所述搜索条件匹配时确定所述候选仿真模型； 根据预设的选择 条件从所述多个候选 仿真模型中选取目标仿真模型。 发明内容 [0004]针对现有技术中的缺陷， 本发明提供一种基于知识库和人工智能的仿真模型优选 方法、 系统及 介质。 [0005]根据本发明提供的一种基于知识库和人工智能的仿真模型优选方法、 系统及介 质， 所述方案如下： [0006]第一方面， 提供了一种基于知识库和人工智能的仿真模型优选方法， 所述方法包 括： [0007]步骤S1： 收集仿真模型 数据， 建立仿真模型知识库； [0008]步骤S2： 利用所述仿真模型知识库已有数据进行训练， 得到训练好的深度神经网 络模型； [0009]步骤S3： 根据仿真环境主要部件特征数据， 通过所述深度神经网络模型， 筛选出的 仿真模型列表； [0010]步骤S4： 由用户主动在仿真模型列表中进行筛 选判断。 [0011]优选的， 所述 步骤S1包括： [0012]步骤S1.1： 将仿真模型分为 处理器、 存储器、 网络设备以及 外设在内的主要功能部 件； [0013]步骤S1.2： 提取主 要功能部件的特 征数据； [0014]步骤S1.3： 通过分类法建立仿真模型知识库。 [0015]优选的， 所述 步骤S2包括： [0016]步骤S2.1： 收集已有仿真环境需求主 要特征数据与筛 选后仿真模型；说　明　书 1/4 页 3 CN 114154410 A 3