一、平臺簡介
鄰盛認知計算平臺是在研究可解釋、可通用的下一代人工智能方法的國家戰略背景下，建立的一個以機器學習、符號計算為核心，實現物模型“數據+知識”雙驅動的融合計算平臺。
平臺通過結合通用計算公式、行業算法公式、知識邏輯推理規則以及人工智能算法，對不同應用場景的多源、多模態數據進行在線匯聚、有序流轉和價值挖掘，實現對數據自感知、自分析、自決策以及自優化。
平臺可對水務水利、園區、礦井、光伏、養殖等不同行業應用場景進行預測推演、智能診斷以及決策調度，提供用能預警、減排管理、設備診斷、節能算法、能效調節等服務。
認知計算是認知科學的核心技術子領域之一，是人工智能的重要組成部分，是模擬人腦認知過程的系統，主要是實現設備數據采集以及結合行業算法以及AI模型補償，進行告警判斷，處理預案推送以及告警預測。
簡而言之，認知計算就是一種自我學習系統，可以像人類大腦那樣通過數據挖掘、圖像識別以及自然語言處理來進行學習。認知計算的目標是讓計算機系統能夠像人的大腦一樣學習、思考，并做出正確的決策。
二、平臺架構
協同感知層面——統一采集和解析來源于物聯網、業務系統和外部系統的多模態數據。
數據計算層面——包含知識圖譜、行業圖譜、科學計算、智能推理、AI模型等多個模塊，針對不同類型數據進行分析處理，實現安全數據資源的在線匯聚、有序流動和價值挖掘，為安全事件的數字化管理、網絡化協同、智能化管控提供信息支撐。
應用服務層面——基于計算調度引擎，提供“推演預測、智能診斷、決策調度”應用服務，實現“事前預警、事中處置、事后評估”安全事件全生命周期掌控，提升安全事件應急處置的科學性、精準性和快速響應能力。
大屏展示層面——將監測數據經過分析、計算后的結果，通過可視化的方式進行呈現。可以直觀展示設備告警、決策調度等實時動態。
三、平臺功能
物模型即對研究對象進行數字化建模。平臺支持新建、編輯、查看、刪除物模型的關聯屬性（屬性名稱、類型、標識、描述等），直接對物模型狀態進行啟用或禁用操作。
實現物模型實例化管理，對具體設施設備實體進行屬性編輯操作，包括靜態屬性的數值設定，動態屬性的數據來源選擇、數據源的約束條件設置等。提供分組、標簽管理功能，滿足復雜場景需求。
（1）行業圖譜
集成各個專業領域的行業專家和機理研究人員的行業經驗，形成解決行業專業問題的行業算法公式。
平臺具備算法測試、配置圖譜等功能，提供專業的行業圖譜編輯器，不需要專業人員即可快速完成對公式的選擇編輯。每個行業圖譜關聯相應的AI模型，通過模型不斷訓練，進行結果補償，提升行業數據的精準度。
（2）科學計算
經過科學論證，獲得大眾普遍認可并使用的科學知識/公式，如面積公式、速度公式等，學習后可以理解掌握、運用自如，實現自動化計算。平臺支持科學公式編輯配置，提供算法測試。
（3）AI模型
從大量歷史數據中學習規律從而得到AI模型，應用模型進行預測結果，處理的數據越多，預測結果就越精準。
平臺具備AI模型訓練、模擬預測等功能，提供多種算法，支持alink、skleam、paddlels等多類執行引擎。
推理引擎是將復雜的業務邏輯從業務代碼中剝離出來，降低業務邏輯實現難度；使多變的業務規則變得可維護，配合推理引擎提供的良好的業務規則設計器，不用編碼就可快速實現復雜的業務規則。
通過調用業務規則和閾值指標對輸入的數據進行推理和判斷，得到最終推理結果。
通過拖拽的方式，對物模型、科學計算庫、推理引擎、行業圖譜、AI模型、循環節點、數據映射節點、設備聯動節點進行選擇配置，從而建立完整的邏輯關系，得到相關業務預測數據。
以分體式空調節能業務配置為例，①基于房間、空調物模型屬性，推導出房間內散熱能力系數；②應用該系數計算出周期內用電量、制冷量、室內散熱量、室內溫度變化等參數值；③進一步計算得到溫度目標、成本目標、啟停目標；④綜上計算最終得到系統目標，從而輸出分體式空調節能策略，幫助用戶進行空調管理和控制，實現節能環保。
根據認知計算平臺事前預測的結果，匹配平臺內置的處理預案，提前進行決策調度，實現事后應急向事前預防的轉變，爭取處置時間、降低相關損失。
針對正在發生的警情事件，認知計算平臺可快速計算推演出未來時間段內的發展趨勢，通過對趨勢分析的綜合研判，管理方可聯動視頻監控系統，調取現場實時畫面，同時運用物聯網平臺遠程操控設施設備，下發指令，及時進行調度處理。
基于認知計算平臺的決策調度能進一步增強對安全風險事件的感知、監測、預警、處置和評估能力。
四、核心能力
①可視化編輯工具多種基礎函數庫。
②提供滿足靈活計算多語言支持。
①復雜業務邏輯輕松剝離。
②無編碼實現復雜業務規則。
①多層級行業領域知識體系構建。
②可思考可學習、精準預測AI模型。
③行業趨勢研究分析，算法推理。
①提供計算流程編排能力。
②提供行業專業知識庫，內置預案。
③匹配數據規則，高效推送業務結果。
五、應用價值
結合實際業務數據，進行數字化、結構化和知識化分析，構建輔助可思考可學習AI模型應用，實現告警判斷、處理預案推送以及風險預測。
以大壩安全預測分析為例，通過認知計算平臺對相關數據綜合比較分析，推算出各類壩體運行數據的時間和空間的相關性，綜合判斷壩體健康狀況，實現提前感知，預見未來3個月的水域安全情況。
平臺可快速從海量設備歷史數據、實時數據中提取關鍵信息，實現設備工作狀態分析預測和健康度綜合評估，從而實現設備的故障診斷。
以光伏組件故障智能診斷為例，通過監測光伏組件及陣列安裝環境，比較光伏組件實際輸出功率與預估功率的差值，判斷是否出現故障；通過實際IV特性曲線計算的特征值和優化后的特征值，定位并輸出光伏組件具體故障類型，完成本次智能診斷。
通過AI模型的不斷訓練學習，實現數據推理解析、知識圖譜挖掘、業務場景趨勢分析，最大化發揮數據的價值，提升決策的精準性和前瞻性。
以智慧礦井通風解算為例，基于認知計算平臺，利用通風解算模型計算整個巷道的通風情況，便于管理人員調整礦井通風策略做有效的決策指導。
六、應用場景
