基于机理和机器学习预测下的专家规则的调度运营系统的制作方法

本发明涉及智慧水务，特别涉及基于机理和机器学习预测下的专家规则的调度运营系统及方法。

背景技术：

1、智慧水务是指利用现代信息技术和互联网技术，对水资源的获取、利用、管理和保护进行智能化、数字化和网络化的综合管理系统。它通过物联网、云计算和大数据分析等技术手段，实现对水资源的实时监测、智能化调度和精细化管理，以提高水资源的利用效率、保障水质安全和实现可持续发展。

2、目前，智慧水务的产品系统均以日常业务流程为核心，在面临突发的情况时候，智慧水务平台更多时候是作为一个数据可视化的平台，运营人员需要根据监测下的各类指标依据个人的经验进行决策，在此基础上，会导致决策失误的情形，进一步的，会耽搁水务突发情况的处理进程。

3、有鉴于此，亟需一种基于机理和机器学习预测下的专家规则的调度运营系统。

技术实现思路

1、本发明目的之一在于提供了基于机理和机器学习预测下的专家规则的调度运营系统，引入专家规则库，根据第一模拟结果和专家规则库确定目标决策进行调度运营，避免了突发状况时运营人员依据个人经验进行决策导致决策失误的情况，决策更合理，水务突发情况处理更及时。

2、本发明实施例提供的基于机理和机器学习预测下的专家规则的调度运营系统，包括：

3、水力水质模拟子系统，用于基于预设的机理和机器学习预测模型，获取目标区域内的水量水质的第一模拟结果；

4、专家规则获取子系统，用于获取专家规则库；

5、适应性决策子系统，用于根据第一模拟结果和专家规则库，确定适应性决策；

6、效果评价子系统，用于获取目标函数，并根据目标函数和适应性决策，确定目标决策；

7、调度运营子系统，用于根据目标决策，进行相应调度运营。

8、优选的，水力水质模拟子系统，包括：

9、第一降雨数据获取模块，用于获取多个第一降雨数据；

10、第一模拟结果输出模块，用于将第一降雨数据输入机理和机器学习预测模型，获得机理和机器学习预测模型输出的第一模拟结果。

11、优选的，专家规则获取子系统，包括：

12、理论系统规则库获取模块，用于获取理论系统规则库；其中，所述理论系统规则库包括：多个一一对应的第二降雨数据和目标系统策略；

13、区域经验调度规则库获取模块，用于获取区域经验调度规则库；其中，所述区域经验调度规则库包括：多个一一对应的目标现象和本地人员经验策略；

14、应急调度规则库获取模块，用于获取应急调度规则库；其中，所述应急调度规则库包括：多个一一对应的多个一一对应的目标现象和应急策略；

15、专家规则库整合模块，用于整合理论系统规则库、区域经验调度规则库以及应急调度规则库获取模块，获得专家规则库。

16、优选的，适应性决策子系统，包括：

17、第一应用参数确定模块，用于根据第一模拟结果和理论系统规则库，确定目标应用系统策略和第一应用参数；

18、第一最优参数值确定模块，用于基于预设的第一目标算法，根据第一应用参数，确定第一最优参数值；

19、第二模拟结果确定模块，用于根据第一最优参数值和目标应用系统策略，确定第二模拟结果；

20、第一评价判断模块，用于判断第二模拟结果是否符合预设的第一评价；

21、第一决策输出模块，用于若第二模拟结果符合预设的第一评价，则输出第一决策；

22、第三模拟结果确定模块，用于若第二模拟结果不符合预设的第一评价，根据第一最优参数值、第一模拟结果以及区域经验调度规则库，确定第三模拟结果；

23、决策分流模块，用于根据第三模拟结果对应于预设的第二评价的不同，分别确定第二决策和第三决策；

24、决策整合模块，用于整合第一决策、第二决策和第三决策，获得适应性决策。

25、优选的，第三模拟结果确定模块，包括：

26、第二应用参数确定子模块，用于根据第一最优参数值、第一模拟结果以及区域经验调度规则库，确定第二应用参数；

27、第二最优参数值确定子模块，用于基于预设的第二目标算法，根据第二应用参数，确定第二最优参数值；

28、第三模拟结果确定子模块，用于根据第二最优参数值，确定本地人员应用经验策略和第三模拟结果。

29、优选的，决策分流模块，包括：

30、第二评价判断子模块，用于基于目标函数，判断第三模拟结果是否符合预设的第二评价；

31、第二决策输出子模块，用于若第三模拟结果符合预设的第二评价，则输出第二决策；

32、第三应用参数确定子模块，用于若第三模拟结果不符合预设的第二评价，则根据第二最优参数值、第一模拟结果以及应急调度规则库，确定第三应用参数；

33、第三最优参数值确定子模块，用于基于预设的第三目标算法，根据第三应用参数，确定第三最优参数值；

34、第三决策输出子模块，用于输出第三最优参数值对应的第三决策。

35、优选的，效果评价子系统，包括：

36、目标待处理情况数据获取模块，用于根据适应性策略，获取目标待处理情况数据；

37、评价结果确定模块，用于根据目标待处理情况数据和目标函数，确定评价结果，其中，确定评价结果的确定模型如下：

38、

39、其中，o为评价结果，xi为第i个目标待处理情况数据，ai为目标工作人员设置的对应于目标待处理情况数据的初始权重因子，β为初始自定义的偏置参数，n为目标待处理情况数据的总数目；

40、目标决策确定模块，用于基于预设的评价结果通过性判定规则，判断适应性策略的评价结果是否通过，若是，将对应适应性决策作为目标决策。

41、优选的，调度运营子系统，包括：

42、调度方确定模块，用于解析目标决策，确定本地至少一个调度类型的调度方；

43、时间获取模块，用于获取同一调度类型的调度方的目标履行时间，同时，获取目标决策的理想应用时间；

44、支援调度需求判定模块，用于根据目标履行时间和理想应用时间，进行支援调度需求判定；

45、支援节点确定模块，用于若支援调度需求判定的判定结果为需要支援调度，获取预设的联络节点，确定联络节点中的支援节点；

46、目标调度方确定模块，用于确定调度方中的第一待调度方和支援节点对应的第二待调度方，将第一待调度方和第二待调度方共同作为目标调度方；

47、调度运营模块，用于将目标决策发送至目标调度方，进行相应调度运营。

48、本发明实施例提供的基于机理和机器学习预测下的专家规则的调度运营方法，包括：

49、步骤1：基于预设的机理和机器学习预测模型，获取目标区域内的水量水质的第一模拟结果；

50、步骤2：获取专家规则库；

51、步骤3：根据第一模拟结果和专家规则库，确定适应性决策；

52、步骤4：获取目标函数，并根据目标函数和适应性决策，确定目标决策；

53、步骤5：根据目标决策，进行相应调度运营。

54、优选的，步骤1：基于预设的机理和机器学习预测模型，获取目标区域内的水量水质的第一模拟结果，包括：

55、获取多个第一降雨数据；

56、将第一降雨数据输入机理和机器学习预测模型，获得机理和机器学习预测模型输出的第一模拟结果。

57、本发明的有益效果为：

58、本发明引入专家规则库，根据第一模拟结果和专家规则库确定目标决策进行调度运营，避免了突发状况时运营人员依据个人经验进行决策导致决策失误的情况，决策更合理，水务突发情况处理更及时。

59、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

60、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。