[发明专利]数据预测方法和系统以及报警方法和系统

说明书

本发明提供一种网站指标的数据预测方法和系统以及报警方法和系统，该数据预测方法包括：采集一预设区域内的一指标的历史数据，按照时间周期对该些历史数据进行分类，且每一时间周期内的历史数据按照日期先后顺序分类；将每一时间周期内的历史数据划分为标准数据和待修正数据，根据标准数据对待修正数据进行修正，修正后的数据和标准数据构成历史优化数据；根据该些历史优化数据通过ARIMAX模型计算一预测日期该指标的预测数据。本发明能够准确预测出某一预测日期某一指标的预测数据，显著提高了预测的准确性，并且在衡量网站运营状况的多个指标同时满足一定条件时实现报警，使得用户及时地了解到网站运营状况。

技术领域

本发明涉及一种对网站多种指标的数据预测以及网站的运营状况的衡量，特别涉及一种网站指标的数据预测方法和数据预测系统以及报警方法和报警系统。

背景技术

目前很多网站监控只针对个别指标，且只能发现较为明显的异常，使用的方法也比较单一，比如聚类、箱线图等。现有技术中，针对网站指标例如浏览量的数据预测这一块，许多学者提出众多预测方法，比如利用一般的ARIMA模型（Autoregressive IntegratedMoving Average Model，差分自回归移动平均模型），但这一类模型很少考虑季节、节假日等因素对数据预测的影响，所以较为简单的ARIMA模型预测出的数据相对不准确。并且其他很多数据预测模型仅仅停留在理论讨论阶段，由于没有考虑到真实数据的杂乱性，这些数据预测模型很少应用于实际应用中。另外还有类似卡尔曼滤波算法，但此类算法适用于实时数据以及变化比较稳定的数据预测，并不适用于旅游网站（周末数据明显较低）等网站流量的数据预测及监控。

发明内容

本发明要解决的技术问题是为了克服现有技术中对网站指标的数据进行预测的方法有些算法简单，预测出的数据不准确，有些算法无法应用至实际场合中的缺陷，提供一种具有准确预测出网站指标的数据及多种指标出现异常时及时报警的功能的网站指标的数据预测方法和系统以及报警方法和系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种网站指标的数据预测方法，其特点在于，其包括以下步骤：

S₁、采集一预设区域内的一指标的历史数据，按照时间周期对该些历史数据进行分类，且每一时间周期内的历史数据按照日期先后顺序分类；

S₂、将每一时间周期内的历史数据划分为标准数据和待修正数据，根据标准数据对待修正数据进行修正，修正后的数据和标准数据构成历史优化数据；

S₃、根据该些历史优化数据通过ARIMAX模型（带有输入序列的一般ARIMA模型被称为ARIMAX模型）计算一预测日期该指标的预测数据。

历史数据是某一预测日期的数据预测的基础，例如网站的浏览量历史数据，由于周末或国家法定节假日时浏览网页的用户明显减少，即这些时间的浏览量历史数据明显偏低，这些明显偏低的数据的出现是不可避免的。若是通过未修正的浏览量历史数据进行预测日期的数据预测，则会使得预测出的数据相对不准确，无法精确的反映出预测日期的浏览量，影响预测体系的预测精度。因此在步骤S₂中，对历史数据进行了修正。

将修正后的历史优化数据带入ARIMAX模型进而预测出一预测日期某一指标例如浏览量的预测数据，且预测出的该预测数据较为准确，能够相对真实的反映出该预测日期的浏览量情况。

较佳地，在步骤S₂中，对于任一时间周期内的任一待修正数据，修正操作包括：

利用公式计算该待修正数据的修正参数，其中r为该时间周期内标准数据的个数，R为该待修正数据，R_k为该时间周期内第k个标准数据，r为正整数且1≤k≤r；

修正后的数据为该待修正数据与该修正参数的乘积；