[发明专利]基于神经网络的故障告警方法、系统、计算机设备及介质

权利要求书

1.一种基于神经网络的故障告警方法，其特征在于，所述方法包括：

获取目标设备的运行数据，所述运行数据至少包括第一运行数据和第二运行数据，所述第一运行数据包括所述目标设备中的多个目标组件的异常监测数据，所述第二运行数据包括所述多个目标组件的使用率数据；

根据所述运行数据，定义预定时间节点的参数向量；

根据所述参数向量和长短期记忆网络模型，计算生成每个目标组件的故障发生率；根据所述故障发生率和预设阈值，确定每个目标组件的故障告警标识；及

根据所述每个目标组件的故障告警标识输出故障告警信息。

2.如权利要求1所述的基于神经网络的故障告警方法，其特征在于，还包括：根据所述目标设备的历史运行数据训练所述长短期记忆网络模型。

3.如权利要求2所述的基于神经网络的故障告警方法，其特征在于，所述每个目标组件的故障告警标识预先与非零数值建立有一一对应的映射关系，所述根据所述参数向量和长短期记忆网络模型，计算生成每个目标组件的故障发生率；根据所述故障发生率和预设阈值，确定每个目标组件的故障告警标识的步骤，包括：

根据所述每个目标组件的故障发生概率，生成相应的非零数值或零值，所述非零数值表示与所述非零数值对应的目标组件预测会出现故障事件，所述零值表示所述每个目标组件预测均不会出现故障事件。

4.如权利要求3所述的基于神经网络的故障告警方法，其特征在于，所述根据所述每个目标组件的故障发生概率，生成相应的非零数值或零值的步骤，包括：

判断所述多个目标组件中的第一组件的故障发生概率是否大于预设值；及

如果所述多个目标组件中的第一组件的故障发生概率大于预设值时，在所述预定时间节点插入与所述第一组件对应的第一非零数值。

5.如权利要求3所述的基于神经网络的故障告警方法，其特征在于，所述根据所述每个目标组件的故障发生概率，生成相应的非零数值或零值的步骤，包括：

判断所述多个目标组件中的第一组件的故障发生概率是否大于预设值；

如果所述多个目标组件中的第一组件的故障发生概率大于预设值时，在早于所述预定时间节点的目标时间节点插入与所述第一组件对应的第一非零数值；及

如果所述多个目标组件中的第一组件的故障发生概率不大于预设值：判断所述目标时间节点处是否已插入有与所述第一组件对应的第一非零数值，如果没有则在所述目标时间节点处插入零值，如果已有则在所述目标时间节点处插入所述第一非零数值。

6.如权利要求1~5任一项所述的基于神经网络的故障告警方法，其特征在于，所述第一运行数据包括日志监控数据中记录的所述目标设备的处理器、内存和存储器的异常数据，所述异常数据中的0表示无异常，1表示异常；所述第二运行数据包括主机监控数据中记录的所述目标设备的处理器使用率、内存使用率和存储器使用率。

7.如权利要求6所示的故障告警方法，其特征在于，所述运行数据还包括第三运行数据，所述第三运行数据在于通过应用程序监控并获取所述目标设备中的多个目标组件的应用监控数据。

8.一种故障告警系统，其特征在于，包括：

获取模块，用于获取目标设备的运行数据，所述运行数据至少包括第一运行数据和第二运行数据，所述第一运行数据包括所述目标设备中的多个目标组件的异常监测数据，所述第二运行数据包括所述多个目标组件的使用率数据；

定义模块，用于根据所述运行数据，定义预定时间节点的参数向量；

生成模块，用于根据所述参数向量和长短期记忆网络模型，计算生成每个目标组件的故障发生率；根据所述故障发生率和预设阈值，确定每个目标组件的故障告警标识；

输出模块，用于根据所述每个目标组件的故障告警标识输出故障告警信息。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于神经网络的故障告警方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1-7中任一项所述的基于神经网络的故障告警方法的步骤。