买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连大学申请的专利一种基于Flink流式计算和深度学习的农业实时预警方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114911831B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210513503.3，技术领域涉及：G06F16/2455；该发明授权一种基于Flink流式计算和深度学习的农业实时预警方法及系统是由汪祖民;王恺锋设计研发完成，并于2022-05-12向国家知识产权局提交的专利申请。

本一种基于Flink流式计算和深度学习的农业实时预警方法及系统在说明书摘要公布了：本发明公开了一种基于Flink流式计算和深度学习的农业实时预警方法及系统，其方法包括从时序数据库中获取环境因子数据，并对所述环境因子数据进行预处理；通过改进的麻雀搜索算法SSA确定双向长短期记忆神经网络Bi‑LSTM的超参数，构建时序预测模型；将所述时序预测模型部署到Flink运行环境中，进行异常检测。本发明使用温室大棚内环境因子的时序数据，利用双向长短期记忆神经网络模型进行学习，相比传统机器学习的ARIMA模型，大大提高了准确率，预测效果好。

本发明授权一种基于Flink流式计算和深度学习的农业实时预警方法及系统在权利要求书中公布了：1.一种基于Flink流式计算和深度学习的农业实时预警方法，其特征在于，包括： 从时序数据库中获取环境因子数据，并对所述环境因子数据进行预处理； 通过改进的麻雀搜索算法SSA确定双向长短期记忆神经网络Bi-LSTM的超参数，构建时序预测模型； 将所述时序预测模型部署到Flink运行环境中，进行异常检测； 通过改进的麻雀搜索算法SSA确定双向长短期记忆神经网络Bi-LSTM的超参数，构建时序预测模型，具体为： 选用Sin混沌方式初始化环境因子数据，其一维映射公式为： 其中为环境因子数据； 麻雀搜索算法将麻雀觅食的过程抽象为发现者模型与加入者模型，其发现者模型中位置更新公式为： 其中t为当前迭代次数，表示第i只麻雀在第j维度的位置信息；为预警值，ST为安全阈值；Q为服从正态分布的随机数，L为多维得到一行全1矩阵，表示均值为0，标准差为1的高斯分布； 在加入者模型中引进一定几率的发现者，其位置更新公式为： 其中k为发现者，表示加入者跟从发现者的几率； 双向长短期记忆神经网络的输入层中温室大棚环境因子数据序列为： 其中分别代表t时刻的温度、湿度、光照度、二氧化碳浓度； 双向长短期记忆神经网络的隐藏层为，隐藏层中每个记忆单元更新后的状态为，输出层为t+1时刻的预测值；输入层与隐藏层的权重表示为，隐藏层本身的权重表示为，隐藏层与输出层的权重表示为；选择Sigmoid函数作为激活函数，使用表示隐藏层偏置，表示输出层偏置，则双向长短期记忆神经网络输出为： 通过注意力机制对历史时刻携带的时序信息分配注意力权重，用以区分不同时刻对当前t时刻预测的影响：时序注意力机制的输入为t时刻隐藏层的输出状态,其中L为输入序列的时间窗口；设置为训练权重矩阵，为偏置向量，使用激活函数用以增加差异，则t时刻所对应各历史时刻的注意力权重向量为： 通过Softmax函数对时序注意力权重归一化处理获得后，与对应历史时刻的隐藏层状态进行相乘再累积，得到经时序注意力加权后的预测，即： 使用TensorFlow深度学习框架训练并测试所述双向长短期记忆神经网络，得到时序预测模型； 将所述时序预测模型部署到Flink运行环境中，具体为： 在Flink运行环境中提供了窗口机制，通过滑动时间窗结合时序预测模型进行预测，获取t时刻预测值；定义待预测点、滑动邻居窗口，采用前L个点作为滑动时间窗口大小输入至时序预测模型；其中滑动时间窗口定义如下： 上述方法采用以下系统实施，包括数据接入层、消息中间层、实时处理层、数据存储层和应用管理层： 所述数据接入层采用MQTT协议，将网关内的物联网传感器汇总归类，转为轻量级的Json格式，并设置字段表示环境因子数据，发送到本地EMQ代理服务器中； 所述消息中间层采用Kafka消息队列组成集群，Kafka订阅各地EMQ多个环境因子数据源，按地点设置主题Topic； 所述实时处理层为基于分布式流处理系统Flink，Flink通过addSource方法将Kafka中数据拉来，利用其水位线和窗口机制，保证消费Kafka数据流时数据的一致性和有序性；Flink集群中有两种节点，JobManager节点负责任务的中央调度管理，TaskManager节点负责具体Flink任务的执行；流入Flink集群的数据流包含多地温室大棚的环境因子数据，使用keyBy算子对环境因子数据进行分区，选择滑动窗口进行数据分窗操作；时序预测模型在与Flink结合时，选择FAE作为中间层，将Java进程的Flink算子与Python进程的深度学习模型连通，通过共享内存完成数据交换；所述Flink集群以流式计算的形式承担时序预测模型离线训练和实时预测的任务，同时再利用聚合窗口函数，将聚合时间窗口的最大值、最小值和平均值输出到分布式数据库InfluxDB中；当实时处理层检测到异常后，向应用管理层发送预警信息； 所述数据存储层采用分布式数据库InfluxDB和关系型数据库MySQL，所述分布式数据库InfluxDB专注于以时间戳为主键存储经Flink处理后的环境因子时序数据；InfluxDB内置多种数据分析函数，作为数据源向应用层提供数据统计和实时分析；关系型数据库MySQL存储预警信息和配置信息； 所述应用管理层包括管理控制台、可视化大屏和预警推送模块；所述管理控制台供系统运维人员使用，负责设置预警阈值、时序预测模型训练周期、预警推送参数；管理控制台采用Prometheus监控系统搭配Grafana仪表盘，对集群内各个节点的机器CPU、内存、网络、线程使用情况进行实时显示；可视化大屏负责展示各地温室大棚环境因子数据；预警推送模块将预警数据转为文字描述，通过短信、钉钉群、微信群通知用户。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。