[发明专利]一种基于混合模型的动态感知性能预告警方法

权利要求书

1.一种基于混合模型的动态感知性能预告警方法，其特征在于,包括如下步骤：

（1）采集业务系统的性能指标数据；

（2）将采集到的性能指标数据进行数据清洗并存储；

（3）将处理过的性能指标数据传入混合模型，获得未来时刻的预测值；

（4）若预测值在告警门限内则表示该预测值在正常范围内，否则发出性能预告警信息。

2.根据权利要求1所述的基于混合模型的动态感知性能预告警方法，其特征在于：步骤（1）中，通过客户端采集业务系统采集性能指标数据，即通过在各服务组件中部署Agent和探针的方式来实时采集和传输性能指标数据。

3.根据权利要求1所述的基于混合模型的动态感知性能预告警方法，其特征在于：步骤（2）中，所述将采集到的性能指标数据进行数据清洗包括对采集到的性能指标数据进行补缺处理、数据脱敏处理及统一格式化处理。

4.根据权利要求3所述的基于混合模型的动态感知性能预告警方法，其特征在于：所述数据脱敏方法包括替代、混洗、数值变换和加密方法。

5.根据权利要求1所述的基于混合模型的动态感知性能预告警方法，其特征在于：步骤（3）中，所述混合模型采用ARIMA-LSTM混合模型，具体建模方法如下：

（31）将历史序列数据通过ARIMA模型对数据进行建模；

（32）利用ARIMA模型获取序列数据中线性成分的预测值；

（33）利用LSTM模型对ARIMA模型中的残差进行建模，获取序列数据中非线性成分的预测值；

（34）将线性成分的预测值与非线性成分的预测值相加，得到预测结果。

6.根据权利要求5所述的基于混合模型的动态感知性能预告警方法，其特征在于：所述ARIMA模型的建模方法，具体如下：

（A1）序列平稳化处理：通过观察法观测或单位根法来检测时间序列样本的平稳性，若为非平稳序列，则需经过差分处理以使序列平稳化；

（B1）模型定阶：通过观察样本的ACF图和PACF图来选取参数，得到多种参数组合，再利用BIC信息量准则从中选择一组最优的模型参数；

（C1）模型检验：通过检验模型残差是否为白噪声序列来验证该模型是否充分有效；

（D1）预测：根据历史时间序列数据对序列未来时刻值进行预测。

7.根据权利要求5所述的基于混合模型的动态感知性能预告警方法，其特征在于：所述LSTM模型的建模步骤如下：

（A2）输入数据预处理：将输入数据按时间窗的大小转换成二维矩阵形式，然后对输入数据做归一化处理；

（B2）初始化LSTM模型：选用ReLU函数作为LSTM网络的激活函数，选择均方误差MSE函数作为模型训练的损失函数，并对损失函数进行L2正则化处理，通过L2正则化限制模型权重的大小来有效防止过拟合现象的发生；

（C2）梯度训练确定权值：采用Adam算法对学习率进行优化；

（D2）训练输出并反归一化：采取迭代预测方法，对每下一时刻序列值的预测在经上一时刻预测值变更后的新模型上进行预测。

8.根据权利要求7所述的基于混合模型的动态感知性能预告警方法，其特征在于：步骤（A2）中，采用z-score标准化指标对输入数据归一化处理。

9.根据权利要求1所述的基于混合模型的动态感知性能预告警方法，其特征在于：步骤（1）中，所述采集业务系统的性能指标数据包括基础资源数据、网络性能数据及应用性能数据。