[发明专利]一种应用于工业互联网的自适应异常检测系统

权利要求书

1.一种应用于工业互联网的自适应异常检测系统，其特征在于，包括依次连接并运行的机器学习算法模块、智能运维算法层模块、智能运维技术层模块、以及智能运维应用层模块；

所述智能运维算法层模块包括依次连接并运行的指标聚类单元、指标分布预测单元、相似曲线识别单元、以及异常区间对比单元；所述智能运维算法层模块接收机器学习算法模块的处理结果并导入指标聚类单元中；

所述智能运维技术层模块包括依次连接并运行的无监督异常检测单元、有监督异常检测单元、算法自动选择和调参单元、指标辅助标注单元、多指标分类单元、巨变适配单元、以及极限阈值配置单元；所述智能运维技术层模块接收智能运维算法层模块的处理结果并导入无监督异常检测单元中；

所述智能运维应用层模块包括依次连接并运行的异常检测单元、异常定位单元、根因分析单元、以及异常预测单元；所述智能运维应用层模块接收智能运维技术层模块的处理结果并导入异常检测单元中，最终经过异常预测单元的处理和分析后获得产生故障的位置及类型。

2.根据权利要求1所述的应用于工业互联网的自适应异常检测系统，其特征在于，所述机器学习算法模块采用ARIMA算法和/或时序数据分解算法。

3.根据权利要求1所述的应用于工业互联网的自适应异常检测系统，其特征在于，所述智能运维算法层模块通过KPI分布预测、KPI聚类、KPI联动分析、以及KPI事件关联的方式完成指标聚类单元、指标分布预测单元、以及相似曲线识别单元的处理任务，从而得到异常区间并进行对象间的比对，之后能够完成日志事件的序列提取，以及日志事件模板的提取。

4.根据权利要求1所述的应用于工业互联网的自适应异常检测系统，其特征在于，所述智能运维技术层模块通过同类多个KPI报警聚合、多类多个KPI报警聚合的方式辅助进行无监督和/或有监督异常检测，针对检测的故障结果进行熔断提醒，从而进行故障定界；之后进行算法的自动选择和调参，通过KPI内辅助标注以及跨KPI辅助标注的方式进行指标辅助标注；之后通过故障树的构建完成多指标分类单元、巨变适配单元的处理任务，再通过瓶颈预测以及故障预测的方式来确定极限阈值并进行配置。

5.根据权利要求1所述的应用于工业互联网的自适应异常检测系统，其特征在于，所述智能运维应用层模块包括在系统的处理异常检测、异常定位、系统故障根因分析、以及系统异常预测的任务，最终获得产生故障的位置及类型。