(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 202111339559.3 (22)申请日 2021.11.12 (71)申请人 国电南瑞科技股份有限公司 地址 211106 江苏省南京市江宁区诚信大 道19号 申请人 南瑞集团有限公司 　 国网电力科 学研究院有限公司 (72)发明人 劳莹莹　李佳阳　沈嘉灵　徐丽燕　 陈子韵　王宇冬　陈佳佳　闫妮　 张瑞智　李昊　季学纯　张珂珩　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 代理人 何春廷 (51)Int.Cl. G06N 20/00(2019.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种组态化机器学习建模任务描述的预测 方法及系统 (57)摘要 本发明公开了一种组态化机器学习建模任 务描述的预测方法及系统， 获取当前区域的业务 数据， 输入到集成多种机器学习算法的预测模 型， 输出该区域对应该业务的预测数据； 根据业 务需求从机器学习算法集成框架中提取与该业 务数据相关的多个机器学习算法， 生成对应业务 的以有向无环 图数据结构进行描述的机器学习 流程化任务描述结构， 每个机器学习算法为所述 机器学习流程化任务描述结构中的一个运算节 点， 确定用于依次调用每个运算节 点对应的运算 程序的参数， 进行模型训练； 保存训练好的集成 多种机器学习算法的预测模型。 优点： 封装各机 器学习框架算法的集成框架， 降低开发的人力成 本、 提高开发效率， 降低人工智 能技术应用的门 槛。 权利要求书2页 说明书6页 附图5页 CN 114169531 A 2022.03.11 CN 114169531 A 1.一种组态化机器学习建模 任务描述的预测方法， 其特 征在于， 包括： 获取当前区域的业务数据， 输入到预先训练好的集成多种机器学习算法的预测模型， 输出该区域对应该业 务的预测数据； 所述集成多种机器学习算法的预测模型的构建以及训练， 包括： 根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算 法， 生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构， 每 个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点， 确定用于依次调 用每个运算节点对应的运 算程序的参数， 生成训练模型； 获取业务训练数据， 对所述训练模型进行训练， 完成训练， 保存训练好的集成多种机器 学习算法的预测模型。 2.根据权利要求1所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 所述 机器学习算法集成框架， 包括： 自定义算法、 TensorFlow框架算法、 Skle arn框架算法和Spark  MLlib框架算法， 用于获 取样本数据， 进行 数据预处 理， 特征选择， 分类评估和模型保存。 3.根据权利要求1所述的组态化机器学习建模任务的统一描述规范， 其特征在于， 所述 机器学习流程化任务描述结构包括： 整体流程信息、 运算节 点信息和运算节点间关系信息， 其中， 整体流程信息， 用于 显示流程化任务的整体组成情况； 运算节点信息， 用于 显示运算节点对应的算法； 运算节点间关系信息， 用于 显示运算节点之间的运 算关系。 4.根据权利要求3所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 所述 整体流程信息设定有流 程编号、 执 行流水号和流 程信息详细结构。 5.根据权利要求3所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 所述 运算节点信息设定有节点编号、 节点名称、 节点类型、 节点运行所需的业务参数和资源参 数、 机器学习算法名称， 以及机器学习算法节点可 执行程序所在的路径。 6.根据权利要求3所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 所述 运算节点间关系信息 设定有来源节点编号、 来源节点是否存在前序 节点、 来源节点类型、 前 序节点类型名称、 目标节点编号、 目标节点类型、 目标节点是否存在前序节点、 目标节点类 型名称。 7.根据权利要求1所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 还包 括： 在对训练模型训练前检查当前机器学习流程化任务描述结构是否正确， 如果描述结构 正确， 则校验成功； 如果描述结构错误， 则校验失败， 需等待业务人员修改自定义描述结构 后再执行。 8.根据权利要求1所述的组态化机器学习建模任务描述的预测方法， 其特征在于， 还包 括： 根据回归评估算法的R ‑square来描述数据对模型拟合程度的好坏， 数值在0 ‑1之间， 越 接近1表示正确 率越高， 如果正确 率不满足预期， 调整回归算法节点的参数， 重新进行模型 训练。权　利　要　求　书 1/2 页 2 CN 114169531 A 29.一种组态化机器学习建模 任务描述的预测系统， 其特 征在于， 包括： 数据获取模块， 用于获取当前区域的业 务数据； 分析预测模块， 用于输入到预先训练好的集成多种机器学习算法的预测模型， 输出该 区域对应该业 务的预测数据； 所述集成多种机器学习算法的预测模型的构建以及训练， 包括： 根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算 法， 生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构， 每 个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点， 确定用于依次调 用每个运算节点对应的运 算程序的参数， 生成训练模型并保存； 获取业务训练数据， 对所述训练模型进行训练， 完成训练， 确定训练好的集成多种机器 学习算法的预测模型。 10.一种存储一个或多个程序的计算机可读存储介质， 其特征在于， 所述一个或多个程 序包括指 令， 所述指 令当由计算设备执行时， 使得所述计算设备执行根据权利要求 1 至8所 述的方法中的任一方法。 11.一种计算设备， 其特 征在于， 包括， 一个或多个处理器、 存储器以及一个或多个程序， 其中一个或多个程序存储在所述存 储器中并被配置为由所述一个或多个处理器执行， 所述一个或多个程序包括用于执行根据 权利要求1  至8所述的方法中的任一方法的指令 。权　利　要　求　书 2/2 页 3 CN 114169531 A 3