[发明专利]基于长短期记忆网络的CPS软件可靠性预测系统

说明书

本发明提供了一种基于长短期记忆网络的CPS软件可靠性预测系统，包括：数据收集模块，用于收集CPS软件系统中所需的多源原始可靠性序列数据；数据预处理模块，用于对所述原始可靠性序列数据进行预处理和归一化处理，得到有效的CPS软件可靠性序列数据；可靠性预测模块，用于根据所述有效的CPS软件可靠性序列数据，建立基于LSTM的神经网络预测模型，所述神经网络预测模型用于对CPS软件可靠性进行预测；结果输出模块，用于输出可视化的CPS软件可靠性预测结果。从而可以基于优化后的LSTM神经网络对CPS软件可靠性时间序列进行预测，有效地提高CPS软件可靠性预测的精度。

技术领域

本发明涉及数据处理技术领域，具体地，涉及基于长短期记忆网络的CPS软件可靠性预测系统。

背景技术

信息物理融合系统fCyber-Physical Systems，CPS)是一个综合计算、网络和物理环境的多维复杂系统，通过3C(Computation、Communication、Control)技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同，具有重要而广泛的应用前景。因此，开展CPS研究与应用对于加快我国培育推进工业化与信息化融合具有重要意义。

长短期记忆网络(LSTM)是一种具有时序分析能力和长短期记忆能力的一种神经网络。由于LSTM神经网络模型可以有效地保持较长时间的记忆，可以充分考虑到复杂网络不同时刻态势要素的依赖关系，利用态势要素时间维度上的关联性对未来的网络安全态势进行预测以提高网络安全态势预测精度。

现有的CPS软件预测系统中如移动平均法和指数平滑法，主要存在以下两个问题：一是没有能够建立体系化的预测模型；二是预测结果不准确。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于长短期记忆网络的CPS软件可靠性预测系统。

根据本发明提供的一种基于长短期记忆网络的CPS软件可靠性预测系统，所述系统包括：

数据收集模块，用于收集CPS软件系统中所需的多源原始可靠性序列数据；

数据预处理模块，用于对所述原始可靠性序列数据进行预处理和归一化处理，得到有效的CPS软件可靠性序列数据；

可靠性预测模块，用于根据所述有效的CPS软件可靠性序列数据，建立基于LSTM的神经网络预测模型，所述神经网络预测模型用于对CPS软件可靠性进行预测；

结果输出模块，用于输出可视化的CPS软件可靠性预测结果。

可选地，所述数据收集模块，具体用于：收集CPS软件系统的各节点、各设备中的数据，得到来自不同数据源的原始数据，并对所述原始数据进行特征融合，得到CPS软件系统中所需的多源原始可靠性序列数据。

可选地，所述数据预处理模块，具体用于：

对所述原始可靠性序列数据中的非结构化的CPS软件可靠性序列数据进行结构化处理，生成结构化的CPS软件可靠性序列数据；

对所述结构化的CPS软件可靠性序列数据进行归一化处理，使得归一化后的数据在0～1范围内；

将所述归一化后的数据转换为多维CPS软件可靠性序列数据集，得到有效的CPS软件可靠性序列数据。

可选地，所述可靠性预测模块，具体用于：

将所述多维CPS软件可靠性序列数据集划分成训练数据集和测试数据集；

通过所述训练数据集对建立的基于LSTM的神经网络预测模型进行迭代训练，并用所述测试数据集对训练后的所述神经网络预测模型进行验证，得到用于对CPS软件可靠性进行预测的模型。