[发明专利]一种基于面板数据分析的软件故障的预测方法

说明书

本发明提供了一种基于面板数据分析的软件故障预测方法,实施步骤包括：获取用于预测的多种度量；基于获取度量的数据分布进行故障数据的采集；对原始故障数据集进行处理以及去除对预测结果影响较差的度量属性；分析数据集的平稳性；协整检验或模型修正；面板模型的选择与回归；运用面板数据分析的方法获得的面板模型进行软件故障数目的分析及预测。通过以上步骤，实现了通过面板数据分析方法对软件故障数目进行分析和预测，可以较为准确的预测未知版本的故障数目。

技术领域

本发明提供一种基于面板数据分析的软件故障的预测方法,属于软件预测技术领域。

背景技术

随着软件技术的不断发展，软件版本在不断更新，随之而来的是软件的复杂度在不断的攀升，带来软件开发、维护难度以及故障率的增加，而修复原有的故障时会随时引入新故障。随着复杂网络的不断应用，带来了许多基于复杂网络的度量元，这些度量元可以从一个新的视角衡量软件的复杂度，本领域技术人员主要基于度量元进行软件预测，进而可以预测软件系统中的故障数目。目前所采用的预测技术大多为基于横截面数据建立静态模型来预测故障数目，该静态模型不能准确反映软件在开发过程中各个版本升级的动态变化情况，而且在众多的预测模型中，整体上没有得出与预测故障一致的度量属性，也没有综合分析不同种类的软件度量属性对故障预测造成的影响。如何从众多的软件度量中挖掘出对故障预测造成的影响较大的度量属性并较为准确地预测故障数目成为本技术领域人员的一大研究方向。

发明内容

(一)目的

本发明实施例提供了一种基于面板数据分析的软件故障预测方法，可以解决现有技术模型中的无法获得与预测故障一致的度量属性，无法实现较为准确的预测未知软件版本的故障数目的问题。

(二)技术方案

本发明一种基于面板数据分析的软件故障预测方法，如图1所示，其实施步骤如下：

步骤1:获取用于预测的多种度量；

步骤2:基于获取度量的数据分布进行故障数据的采集；

步骤3:对原始故障数据集进行处理以及去除对预测结果影响较差的度量属性；

步骤4:分析数据集的平稳性；

步骤5：协整检验、模型修正；

步骤6：面板模型的选择与回归；

步骤7：运用面板数据分析的方法获得的面板模型进行软件故障数目的分析及预测；

通过以上步骤，实现了通过面板数据分析方法对软件故障数目进行分析和预测；由于面板数据分析基于数据结构的二维性，可以扩大分析的数据量，增加估计和检验统计量的自由度；有助于提供动态分析的可靠性，反映数据的渐进性变化；从而能够获取与预测故障数据趋势一致的数据对应的度量属性；进而较为准确的预测未知版本的故障数目。

其中，在步骤1中所述的“获取用于预测的多种度量”，其具体做法如下：所获取的用于预测的多种度量属于软件的基本属性，可以包含软件的内在特征，也可以包含软件的外在特征，或者两者皆有包含；在本次实施方式中，根据给定的软件，以函数为节点，以调用关系为边，建立函数调用关系网络，基于该复杂网络，获取多个度量元，该度量元可以是静态的拓扑结构指标，也可以是动态指标；本实施中所采用的度量元包括：渗流均值、节点数量、边、平均度、聚集系数、平均路径和社团数量；其中,静态的拓扑结构指标包括节点数量、边、平均度、聚集系数、平均路径和社团数量；动态指标为渗流均值，渗流均值是通过渗流过程中采集多个渗流值并取平均值得到；也即是,在一种通过随机删除网络的节点模拟网络遭遇随机攻击的情景中，渗流值是网络崩溃时的删除节点的比例,记为渗流阈值渗流均值为进行多次随机删除节点进行多次渗流得到的渗流阈值的平均值。