[发明专利]一种性能指标值正常波动范围的动态确定方法及其装置

权利要求书

1.一种性能指标值正常波动范围的确定方法，其特征在于，所述方法包括步骤：

01)获取符合线性非平稳特性或季节非平稳特性的网络性能指标的历史值，动态获取最新的历史样本数据；按照正常样本数据的规则对所述最新的历史样本数据进行排除异常样本数据的预处理，作为训练样本数据；

02)针对训练样本数据利用季节ARIMA自回归整合滑动平均模型进行建模，利用F检验法进行ARMA模型辨识并定阶，确定最优的季节ARIMA模型；

所述利用F检验法进行ARMA模型辨识并定阶的步骤，包括：

A)进行一阶差分或/和季节差分完成所述训练样本数据的平稳化；

B)用ARMA(p，p-1)模型对平稳化后的数据进行建模，确定模型阶数；

C)针对B)中所得ARMA模型进行A)中一阶差分或/和季节差分的逆运算，得到完整的季节ARIMA模型；

03)用所述最优的季节ARIMA模型计算待预测性能指标的预测值及正常波动范围。

2.根据权利要求1所述的性能指标值正常波动范围的确定方法，其特征在于，用ARMA(p，p-1)模型对平稳化后的数据进行建模的过程进一步包括：

B1)设阶数p的初始值为1；

B2)用ARMA(p，p-1)模型进行平稳化后的数据建模，计算残差序列是否为白噪声序列，若不是，则令将p+1作为新的p，并返回B2)再次重新建模检测，重复以上过程直到残差为白噪声，计算残差平方和Q₁；

B3)将p+1作为新的p，用ARMA(p，p-1)模型再次建模，并计算训练数据残差平方和Q₀，利用所得的残差平方和Q₀和B2)得到的残差平方和Q₁计算F值，将所述F值与F分布表查得标准值F_α(s，N-n)比较，若F ≤F_α(s，N-n)，则模型ARMA(p，p-1)和ARMA(p-1，p-2)等价，确定 ARMA(p-1，p-2)为模型辨识结果；若F＞F_α(s，N-n)，则模型ARMA(p，p-1)和ARMA(p-1，p-2)显著不同，模型ARMA(p，p-1)明显优于模型ARMA(p-1，p-2)，返回B3)继续建模；

B4)用极大似然估计法计算选定阶数的ARMA模型参数。

3.根据权利要求1至2中任一项所述的性能指标值正常波动范围的确定方法，其特征在于，用所述最优的季节ARIMA模型计算性能指标的预测值及正常波动范围的过程包括：

用所述最优的季节ARIMA模型对待预测时间点上的性能指标值进行一步预测，得到预测值；

利用残差是白噪声序列从而符合正态分布的特点计算预测误差值在给定置信度1-α下的置信区间；

将预测值及预测误差置信区间合成所得数值范围即为性能指标在待预测时间点上的正常波动范围。

4.根据权利要求1至2中任一项所述的性能指标值正常波动范围的确定方法，其特征在于，用所述最优的季节ARIMA模型计算性能指标的预警基线值及置信范围的过程包括：

使用所述最优的季节ARIMA模型对待预测时间点上的性能指标值进行一步预测，得到预测值；

并利用残差白噪声符合正态分布的特性构造符合t分布的统计量，利用t分布表求得一步预测误差在任一置信度1-α下的置信区间；

将预测值及预测误差置信区间合成所得数值范围即为性能指标值在待监控时间点上的正常波动范围。