随着电子信息技术、传感设备和网络技术的快速发展,物联网的应用范围不断扩大,并逐渐深入到人类生活的各个领域,使自动化、智能化的生活逐步成为现实。物联网设备短时间内会产生大量的、关系复杂的数据事件,为了从中获取用户感兴趣的事件,需要对事件流进行高效的实时处理。基于上述原因,本文设计并实现了基于深度神经网络的事件实时处理系统。本系统采用深度神经网络作为事件处理系统的核心算法,通过对采集的数据集进行训练得到模型,用模型表示原子事件之间的关系,基于模型对事件流进行处理,从而得到复合事件。深度神经网络是机器学习中一种对数据进行表征学习的方法,它模拟人脑的神经网络的工作方式,省去了人工获取数据特征的繁琐过程,对于抽象数据具有较强的适应能力。在物联网事件处理过程中,数据关系抽象、难以用表达式描述是处理中的难点,深度神经网络可以很好地解决这些难题。MXNet是一个灵活、高效的深度学习框架,在计算性能、内存占用、并行加速等方面都有突出表现。本系统使用MXNet框架实现深度神经网络,搭建在由多个计算节点组成的分布式计算环境上。由于各个计算节点之间可能会出现性能存在差异、负载分配不均的情况,本系统设计了一种动态负载均衡算法,改进了 MXNet的数据并行方式,该算法也用于事件实时处理过程中,提升了系统的处理性能。同时,系统实现了一个用户友好的使用界面,免去了用户使用代码操作系统的复杂性,降低了系统的使用难度。最后,对系统进行了功能和性能两方面的测试,测试结果显示系统工作状态良好。