申请/专利权人：江西科技学院

申请日：2024-01-23

公开（公告）日：2024-04-05

公开（公告）号：CN117608865B

主分类号：G06F9/50

分类号：G06F9/50;G06N3/0442;G06N20/00;G06F18/27;G06F18/23213;G06N3/126;G06F9/54;G06F9/48;G06Q50/12

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明提出一种基于云计算的外卖送餐平台的数学模型服务方法及系统，包括以下步骤：基于云计算环境，采用ApacheFlink流数据处理技术，并结合窗口函数和时间管理功能处理外卖订单数据流，集成事件处理算法识别目标数据模式和事件，生成外卖订单实时数据流处理结果。本发明中，通过ApacheFlink流数据处理技术结合窗口函数和时间管理功能，实现事件模式识别和即时数据响应，长短期记忆网络与自适应学习率调整相结合，提高动态数据挖掘和预测分析的准确度，结合线性规划和遗传算法进行云端资源分配和任务调度优化资源利用；自动化部署方面，自动转换和优化模型匹配计算环境，并集成自动扩展和负载均衡功能，提高外卖订单系统的可伸缩性和负载处理能力。

主权项：1.一种基于云计算的外卖送餐平台的数学模型服务方法，其特征在于，所述方法包括以下步骤：基于云计算环境，采用ApacheFlink流数据处理技术，并结合窗口函数和时间管理功能处理外卖订单数据流，集成事件处理算法识别目标数据模式和事件，生成外卖订单实时数据流处理结果；基于所述外卖订单实时数据流处理结果，应用长短期记忆网络，进行动态数据挖掘和预测分析，并采用自适应学习率调整机制和模型微调策略匹配数据动态变化，生成外卖订单预测分析数据；基于所述外卖订单预测分析数据，结合线性规划和遗传算法，进行云端资源的分配和任务调度，并运用回归分析和聚类技术预测资源需求和用户行为，获取目标优化外卖订单资源分配方案；在所述目标优化外卖订单资源分配方案支持下，实行基于云的数学模型自动化部署系统，通过自动转换和优化模型匹配计算环境，并集成自动扩展和负载均衡功能，生成外卖订单的数学模型自动化部署；基于所述外卖订单的数学模型自动化部署，构建机器学习模型集成平台，整合多种机器学习算法，实施自动数据预处理和特征工程，建立用于外卖订单的集成机器学习模型平台；在所述用于外卖订单的集成机器学习模型平台上，进行数据并行处理和模型迭代，利用云计算资源，进行大数据集处理和模型优化，得到优化后的外卖订单机器学习模型；基于所述优化后的外卖订单机器学习模型，执行终端数据分析和结果呈现，提供可视化工具，支持用户上传、配置和监控模型性能，生成终端用户的外卖订单可视化分析报告；所述外卖订单实时数据流处理结果包括时间序列分析结果、事件模式识别、即时数据响应，所述外卖订单预测分析数据具体为时间序列预测结果、数据趋势分析和行为预测模型，优化的外卖订单资源分配方案包括资源分配图、任务调度计划和预测的资源使用模式，所述外卖订单的数学模型自动化部署包括模型的云端匹配、自动扩展配置和负载平衡策略，所述用于外卖订单的集成机器学习模型平台包括多算法支持、数据预处理流程和特征选择机制，所述优化后的外卖订单机器学习模型包括模型的迭代版本、优化的处理流程和增强的预测能力，所述终端用户的外卖订单可视化分析报告包括数据分析图表、性能监控仪表板和用户交互界面；基于云计算环境，采用ApacheFlink流数据处理技术，并结合窗口函数和时间管理功能处理外卖订单数据流，集成事件处理算法识别目标数据模式和事件，生成外卖订单实时数据流处理结果的步骤具体为：基于云计算环境，采用ApacheFlink框架并结合分布式日志系统，进行外卖订单数据流的分发处理，生成外卖订单数据流接入结果；基于外卖订单数据流接入结果，采用滑动窗口算法结合事件时间窗口技术，进行外卖订单数据流分析，并执行时间序列的分割，生成时间序列分割结果；基于时间序列分割结果，应用时间管理功能，进行数据同步和处理，生成时间管理处理结果；基于时间管理处理结果，采用事件处理算法，进行外卖订单实时数据流分析，生成外卖订单实时数据流处理结果；时间管理功能包括水印生成和延迟数据处理策略，事件处理算法包括状态机模式匹配和事件关联分析。

全文数据：

权利要求：

百度查询： 江西科技学院 基于云计算的外卖送餐平台的数学模型服务方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD