CN120258453A 一种基于大数据环境的决策模型构建方法 （宜宾职业技术学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120258453A(43)申请公布日2025.07.04

(21)申请号202510410039.9

(22)申请日2025.04.02

(71)申请人宜宾职业技术学院

地址644100四川省宜宾市南溪区裕华路

300号

(72)发明人吴海霞许明明宋雨李权儒刘玉麟

(74)专利代理机构成都华风专利事务所(普通合伙)51223

专利代理师徐丰

(51)Int.CI.

GO6NGO6N

3/042(2023.01)

3/0464(2023.01)

GO6Q10/0631(2023.01)

G06Q50/06(2024.01)

GO6N5/022(2023.01)

GO6N3/092(2023.01)

权利要求书2页说明书7页附图1页

(54)发明名称

一种基于大数据环境的决策模型构建方法

(57)摘要

CN120258453A本发明提出了一种基于大数据环境的决策模型构建方法。属于经济数据决策领域。首先，获取多源异构数据，包括传感器时序数据、专家规则库和设备因果先验知识，构造标准化训练数据集。然后，利用因果发现算法从历史数据中提取显式因果关系，结合设备手册的先验知识，生成可解释知识图谱。接着，构建神经符号联合模型。同步调整神经网络参数与规则置信度权重，实现了数据驱动与知识驱动的协同学习。再然后，对训练后的模型进行多维度逻辑验证，包括规则冲突检测、反事实推理和决策路径可追溯性验证。本发明方法能有效提高决策模型的准确性和解释性，适用于处理大数据环境下的决策任

CN120258453A

步骤1:运用多源异构数据融合模块对来源于各

步骤1:运用多源异构数据融合模块对来源于各类型报告数据

、运行数据、生产数据进行清洗与对齐从而实现时空统一化

处理，生成标准化数据

步骤2:基于因果强化学习框架和知识图谱嵌入技术，从包含各类相关指标的标准化数据中提取隐含因果特征，构建符号化规则约束集

步骤3:设计神经符号联合推理系统，通过动态逻辑程序实现稳定模型求解，结合神经网络的非线性预测通道，实现符号规则与数据驱动的跨模态融合

步骤4:对模型进行逻辑合规性验证，包括静态规则冲突

检测、动态覆盖度测试和反事实一致性检验，通过形式化方

法保证决策输出符合预定的规则

步骤5:基于实时数据流和专家反馈，采用增量式冲突检测与规则修正机制动态优化模型，构建闭环迭代的决策支持系统

CN120258453A权利要求书1/2页

2

1.一种基于大数据环境的决策模型构建方法，其特征在于：所述的方法包括：

获取多源异构数据，包括传感器时序数据、专家规则库及设备因果先验知识，构建带时间戳的标准化训练数据集；

通过因果发现算法从历史数据中提取变量间的显式因果关系，结合设备手册的因果先验生成可解释知识图谱；

构建神经符号联合模型，所述模型包含用于特征提取的神经网络模块和基于符号逻辑的规则推理模块，并设计知识融合层动态协调两类模块的输出；

采用带约束优化的联合训练策略，在反向传播过程中同步更新神经网络参数与规则置信度权重，实现数据驱动与知识驱动的协同学习；

对训练后模型进行多维度逻辑验证，包括规则冲突检测、反事实推理测试及决策路径可追溯性验证；

基于实时数据流和专家反馈，采用增量式冲突检测与规则修正机制动态优化模型，构建闭环迭代的决策支持系统。

2.根据权利要求1所述的一种基于大数据环境的决策模型构建方法，其特征在于，所述的因果发现算法采用约束型因果发现框架，具体包括：

通过PC算法生成初始因果骨架，利用设备手册中的已知因果关系作为约束条件筛选候选因果边；

采用基于条件独立性测试的贝叶斯评分函数量化因果关系强度，对传感器数据与设备部件节点间的多跳因果路径进行概率建模；

构建带权重和方向的知识图谱，其中节点类型包括传感器变量、物理部件及故障类型，边权重反映因果关系的统计显著度与领域专家验证状态。

3.根据权利要求1所述的一种基于大数据环境的决策模型构建方法，其特征在于：所述的神经符号联合模型的