本发明涉及一种基于大数据的智能决策系统构建方法,由模型库、数据仓库、olap技术、数据挖掘及交互接口集成在一起。其中数据仓库能够实现对决策主题的存储和综合;olap实现多维数据分析;数据挖掘用以挖掘数据库和数据仓库中的知识;模型库实现多个广义模型的组合辅助决策;专家系统利用知识推理实现定性分析。它们相互补充、相互依赖、发挥各自的辅助决策优势,实现更有效的辅助决策。集成后的系统对决策问题既可以进行定量分析,又可以进行定性分析。既可以处理来自不同系统、不同数据格式的大量数据,又可以进行复杂的数值计算,能够更好地完成辅助决策任务。它的出现将会使决策支持系统达到一个新的阶段。
背景技术:
随着internet的飞速发展和经济全球化进程的加快,世界各国、社会各领域间的竞争日益加剧,管理者所面对的决策环境和决策问题日益复杂。决策环境的开放性、决策资源的虚拟化、决策问题的非结构化,以及决策过程的协作性,要求决策支持系统具有更强的信息处理与决策支持功能。同时,信息资源的急剧增多,信息处理范围的日趋广域化,要求决策支持系统具有更好的开放性和更强的分布处理能力。
在这样的新形势下,传统的智能决策支持系统已经不能适应这种新的要求,迫切需要寻求新的理论、方法和技术,指导新一代智能决策支持系统的分析、设计与实施。
速鸿智能决策系统是决策支持系统与人工智能相结合的产物,它将以定量分析辅助决策的决策支持系统与以定性分析辅助决策的专家系统结合起来,进一步提高了辅助决策能力。
技术实现要素:
本发明提供一种基于大数据的智能决策系统构建方法,决策者通过用户终端提交决策问题,调用信息服务进行模型的构建,同时,启动推理模块,调用知识模块,根据决策者的需求,引导决策者选择合适的决策模型,并且可以跟踪决策问题的求解过程。调用云服务模块,对决策任务进行分解,通过调用资源管理模块,将每个分解的决策任务分配到相应的资源模块中执行。决策模块对集成子任务的执行结果进行集成,并将执行结果通过用户端返回决策者,为决策者的决策提供支持。
为了实现上述目的,本发明采用的技术方案如下:
基于大数据的智能决策系统建设方法,包括以下步骤:
(1)应用层:应用层是人机交互的窗口,直接面向智能决策支持系统的使用者;
(2)决策层:决策层是负责处理应用层的应用请求,对决策处理逻辑进行智能调度,对不同的决策问题进行分析,并设计求解方案。决策问题可以分为结构化问题、半结构化问题和非结构化问题,结构化问题可以直接调用模型计算求解,半结构化和非结构化问题需要由规则模型与推理机制来求解
(3)平台层:平台层是整个云计算体系的核心层,为用户提供设计环境和执行环境。平台层对资源层获取的各类决策资源经过加工、整理和汇总存入数据仓库中。分布式计算平台将用户的请求分解为多个并行的子任务,由云计算平台的资源节点执行并行计算,实现高性能计算,提高智能决策支持系统的处理速度和处理能力;
(4)资源层:资源层是智能决策支持系统体系结构的基础架构,为智能决策支持系统提供海量的决策资源;
(5)管理层:管理层横跨多个层次,包括用户管理、安全管理、部署管理、计费管理、服务监控等。
与现有技术相比,本发明具有以下有益效果:
(1)本系统不仅可以处理结构化的数据,还可以处理非结构化或半结构化的数据;
(2)本系统在传统三库dss的基础上增设知识库与推理机,在人机对话子系统中加入自然语言处理系统,形成智能人机接口,与四库之间插入问题处理系统,从而构成四库系统结构;
(3)本系统底层架构采用hadoop这种开源的分布式基础架构,具有高效性、可靠性、低成本和可扩展的优点,可以实现海量数据挖掘和高性能计算;
(4))本系统通过hdfs可以将决策数据分散的存储于hadoop的集群中,hdfs的复制机制会对数据进行跨节点备份操作,并对数据的访问权限进行控制,保证数据的存储安全;
(5)本系统注重各种相关技术的集成应用,将应用到更多的专家知识,并结合领域信息,对问题进行更加深入和透彻的研究;
(6)本系统采用多时空与多维决策,在决策过程中引入时间、空间等多维准则,可以突破时空限制,优化和改进决策过程,提高支持决策效果;
(7)本系统能较好的解决实际过程中的问题,有效地对故障信息和紧急突发事件作出准确判断和预测,能对系统提供准确即时的决策信息。
附图说明
图1为本发明的构建流程图。
图2为模型数据库设计流程图。
图3为系统的工作流程图。