智能预警演算监测方法技术

本发明专利技术旨在提供一种能实现提前预警及时处理平台运行异常情况的智能预警演算监测方法。本发明专利技术包括数据采集库、数据处理库、模型训练模块、异常监测模块以及决策模块，通过数据处理库对收集到的平台数据进行清洗降噪预处理，清洗过后的数据干扰小，训练机器学习效率高同时提高异常识别准确度，机器使用精神网络算法对平台中特定的检测任务优化定点检测，配合服务器对大量数据分析，识别出潜在的异常情况并对异常情况分析判断，必要时触发警报，促使工作人员调整后台架构。本发明专利技术应用于平台智能预警演算监测的技术领域。能预警演算监测的技术领域。能预警演算监测的技术领域。

【技术实现步骤摘要】
智能预警演算监测方法


[0001]本专利技术涉及平台智能预警演算监测的
,特别涉及智能预警演算监测方法。

技术介绍

[0002]现有各类平台缺乏平台自身的错误预警机制，容易导致出现bug的时候需要排查以及时间修复，本专利技术基于平台全模块埋点，出现错误通过编码即时反馈，定位编码位置即刻定位错误地方及问题，同时增加错误演算，根据平台数据记录情况推算未来运行平稳度以及风险项，提前告知平台维护人员。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服现有技术的不足，提供一种能实现提前预警及时处理平台运行异常情况的智能预警演算监测方法。
[0004]本专利技术所采用的技术方案是：本专利技术包括数据采集库、数据处理库、模型训练模块、异常监测模块以及决策模块，所述智能预警演算监测方法包括以下步骤：S1、收集平台检测的历史数据和实时诊断数据，收录进入所述数据采集库中分类处理；S2、所述数据处理库调取所述数据采集库收集到的数据并对相关数据进行清洗、过滤和分类，将平台操作正常行为归类成一类数据组，平台操作异常行为归类成二类数据组；S3、使用机器学习算法训练模型，模型训练模块导入一类数据组使机器通过学习平台正常行为，后续导入二类数据组使机器做识别测试，训练算法提高识别异常情况的准确度；S4、将训练好的机器装载至平台，异常监测模块对数据实时监测，发现平台出现异常行为立刻发出预警通知；S5、决策模块将检测到的异常情况识别分析，结合一类数据组和二类数据组对异常情况分析判定。
[0005]进一步，所述数据采集库包括数据采集模块和数据保存模块，所述数据采集模块用于采集平台原始数据中的历史数据以及实时抽取平台诊断数据，所述数据保存模块将历史数据以及实时诊断数据分类并将其保存至所述数据处理库内。
[0006]进一步，所述数据处理库包括数据导入模块、数据清洗模块以及数据类型分类模块，所述数据导入模块将所述数据保存模块所保存的历史数据和实时诊断数据导入并对其筛选顺序进行排列，所述数据清洗模块将分类排列好的数据清洗、过滤去噪，所述数据类型分类模块接收清洗过后的数据类型并根据数据类型分为一类数据组和二类数据组。
[0007]进一步，所述二类数据组为平台运行缺失值或数据异常替换。
[0008]本专利技术的有益效果是：由于本专利技术通过数据处理库对收集到的平台数据进行清洗
降噪预处理，清洗过后的数据干扰小，训练机器学习效率高同时提高异常识别准确度，机器使用精神网络算法对平台中特定的检测任务优化定点检测，配合服务器对大量数据分析，识别出潜在的异常情况并对异常情况分析判断，必要时触发警报，促使工作人员调整后台架构。
附图说明
[0009]图1是本专利技术的流程图。
具体实施方式
[0010]如图1所示，在本实施例中，本专利技术包括数据采集库、数据处理库、模型训练模块、异常监测模块以及决策模块，所述智能预警演算监测方法包括以下步骤：S1、收集平台检测的历史数据和实时诊断数据，收录进入所述数据采集库中分类处理；S2、所述数据处理库调取所述数据采集库收集到的数据并对相关数据进行清洗、过滤和分类，将平台操作正常行为归类成一类数据组，平台操作异常行为归类成二类数据组；S3、使用机器学习算法训练模型，模型训练模块导入一类数据组使机器通过学习平台正常行为，后续导入二类数据组使机器做识别测试，训练算法提高识别异常情况的准确度；S4、将训练好的机器装载至平台，异常监测模块对数据实时监测，发现平台出现异常行为立刻发出预警通知；S5、决策模块将检测到的异常情况识别分析，结合一类数据组和二类数据组对异常情况分析判定，机器内部通过神经网络算法，利用神经网络算法的复杂性和自适应性，机器在处理复杂的非线性问题上表现出色，对输入数据的噪声和错误有较强的容忍度，配合数据采集库和数据处理库预处理的数据自动调节参数。
[0011]在本实施例中，所述数据采集库包括数据采集模块和数据保存模块，所述数据采集模块用于采集平台原始数据中的历史数据以及实时抽取平台诊断数据，所述数据保存模块将历史数据以及实时诊断数据分类并将其保存至所述数据处理库内，对历史数据进行选择性抽取，平台的实时诊断数据每天实时抽取，确保数据样本量满足机器学习的数量。
[0012]在本实施例中，所述数据处理库包括数据导入模块、数据清洗模块以及数据类型分类模块，所述数据导入模块将所述数据保存模块所保存的历史数据和实时诊断数据导入并对其筛选顺序进行排列，所述数据清洗模块将分类排列好的数据清洗、过滤去噪，所述数据类型分类模块接收清洗过后的数据类型并根据数据类型分为一类数据组和二类数据组，一类数据组为清洗过后平台正常运行的数据组，用于训练机器识别平台正常流程的运行，二类数据组为平台异常情况，其中包括缺失值数据和因变换值发生错误的数据直接输送到训练后的机器中识别诊断。
[0013]在本实施例中，所述二类数据组为平台运行缺失值或数据异常替换。
[0014]虽然本专利技术的实施例是以实际方案来描述的，但是并不构成对本专利技术含义的限制，对于本领域的技术人员，根据本说明书对其实施方案的修改及与其他方案的组合都是
显而易见的。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能预警演算监测方法，其特征在于：它包括数据采集库、数据处理库、模型训练模块、异常监测模块以及决策模块，所述智能预警演算监测方法包括以下步骤：S1、收集平台检测的历史数据和实时诊断数据，收录进入所述数据采集库中分类处理；S2、所述数据处理库调取所述数据采集库收集到的数据并对相关数据进行清洗、过滤和分类，将平台操作正常行为归类成一类数据组，平台操作异常行为归类成二类数据组；S3、使用机器学习算法训练模型，模型训练模块导入一类数据组使机器通过学习平台正常行为，后续导入二类数据组使机器做识别测试，训练算法提高识别异常情况的准确度；S4、将训练好的机器装载至平台，异常监测模块对数据实时监测，发现平台出现异常行为立刻发出预警通知；S5、决策模块将检测到的异常情况识别分析，结合一类数据组和二类数据组对异常情况分析判定。...

【专利技术属性】
技术研发人员：吴金广，
申请(专利权)人：珠海近视眼防控平台网络科技有限公司，
类型：发明
国别省市：