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！

龙图腾网获悉北京南山同行科技有限公司申请的专利一种高效实时大数据流处理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：CN120596268B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510739222.3，技术领域涉及：G06F9/50；该发明授权一种高效实时大数据流处理方法及系统是由尚春梅设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种高效实时大数据流处理方法及系统在说明书摘要公布了：本发明涉及大数据流处理技术领域，公开了一种高效实时大数据流处理方法及系统，所述一种高效实时大数据流处理方法包括：时空编码生成四维索引，融合时间片与空间分区特征；构建四维张量，整合时空、事件类型及特征向量；动态调整张量分解秩实现存储压缩；建立事件强度模型优化窗口参数；在线张量回归预测资源需求并增量更新；布尔张量规则匹配结合因果约束消解冲突；多参数联合梯度优化与闭环反馈控制。通过动态张量分解与因果约束注入技术，结合多目标优化及闭环反馈机制，实现四维数据流高效处理、资源动态调度与规则冲突消解，提升系统处理精度与资源利用率。

本发明授权一种高效实时大数据流处理方法及系统在权利要求书中公布了：1.一种高效实时大数据流处理方法，其特征在于，包括以下步骤： S1、对数据流进行时空维度联合编码，生成联合编码值，其中，所述联合编码值包括时间片索引和空间分区索引； S2、基于所述联合编码值构建四维状态张量，所述四维状态张量的维度包括时间片序列维度、空间分区维度、事件类型维度和特征向量维度； S3、根据实时事件到达强度动态调整所述四维状态张量的分解秩，并执行张量分解以压缩存储状态数据； S4、基于所述四维状态张量，建立事件到达强度的随机过程模型，通过求解带约束的优化问题实时计算最优处理窗口参数，获得优化窗口参数； S5、利用在线张量回归模型预测资源需求，并基于所述在线张量回归模型，通过增量更新系数矩阵适配动态负载变化，获得张量分解秩； S6、基于布尔张量结构对事件特征进行规则匹配，并通过注入因果约束消除规则冲突，获得资源预测参数； S7、基于优化窗口参数、张量分解秩与资源预测参数，通过梯度协同更新形成闭环，并根据优化后的参数动态调度计算资源以输出处理后的数据流； 其中，步骤S4中，所述建立事件到达强度的随机过程模型的步骤包括： 定义非齐次泊松过程：基于所述所述四维状态张量和事件到达强度建立事件到达强度的随机过程模型，所述事件到达强度的随机过程模型为： ； 式中，为时间处的事件到达强度；为当前时间窗口内的事件总数；为第个事件的影响力系数；为时间衰减速率系数；为第个历史事件的时间戳；为当前系统时间； 参数在线学习：基于事件到达强度的随机过程模型，通过极大似然估计模型动态更新，所述极大似然估计模型为： ； 式中，为观测到的事件数量；为在时间处的事件到达强度；为最后一个事件的到达时间戳；为积分变量；为统计时间窗口的起始时刻，为时间处的事件到达强度，为时间处的事件到达强度； 步骤S5中，所述利用在线张量回归模型预测资源需求，并基于所述在线张量回归模型，通过增量更新系数矩阵适配动态负载变化的步骤包括： 构建三阶张量回归模型：定义资源需求张量与特征张量，并构建三阶张量回归模型，所述三阶张量回归模型为： ； 式中，为资源需求张量；为特征张量；为第模的系数矩阵；为残差张量； 增量更新系数矩阵：采用带正则化的交替最小二乘法公式更新参数，对第n模系数矩阵进行求解，获得更新后的系数矩阵，所述带正则化的交替最小二乘法公式为： ； 式中，为第模系数矩阵的更新结果；为资源需求张量按第模展开的矩阵；为中间张量按第模展开的矩阵；为正则化系数；为第模系数矩阵的当前值；为待优化的参数矩阵； 实时预测输出：将更新后的系数矩阵代入回归方程，生成未来时段的资源需求预测，所述回归方程为： ； 其中，为未来时刻对第类资源、第节点的预测需求量；：当前时刻第节点的第维特征值；为时间维度系数矩阵中时刻与特征的关联权重；为资源维度系数矩阵中资源类型与特征的关联权重；为节点维度系数矩阵中节点与特征的关联权重；为特征空间的潜在因子维度数。

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北京南山同行科技有限公司，其通讯地址为：101400 北京市怀柔区北房镇幸福西街3号1幢二层204-05室；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。