[发明专利]人工智能开发平台监控告警数据预测方法、装置及介质

说明书

本发明公开了一种人工智能开发平台监控告警数据预测方法、装置及介质。所述方法包括：利用预先训练的基于卷积神经网络的第一预测模型，依据当前时刻之前的若干周期的监控告警数据对下一周期的监控告警数据进行预测，得到第一预测数据；利用预先训练的基于LSTM神经网络的第二预测模型，依据第一预测数据对下一周期的监控告警数据进行预测，得到第二预测数据；利用自回归模型依据当前时刻之前的若干告警检测周期的监控告警数据对下一周期的监控告警数据进行预测，得到第三预测数据；将第二预测数据和第三预测数据按预设权重进行融合作为下一周期预测数据。本发明的方案能够对人工智能开发平台中各监控项进行预测，不再依赖管理人员的业务经验。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人工智能开发平台监控告警数据预测方法、装置、设备及介质。

背景技术

人工智能开发平台，主要用来为算法工程师提供一个统一化模型开发、训练平台，提高算法工程师的模型开发和训练效率。监控告警模块作为人工智能开发平台的重要功能模块，实现了对整个集群中节点的运行情况和资源的使用情况的实时监控，从而有效地提高了计算资源的利用率。并且在处理大规模集群产生的监控数据时，保证了监控数据的安全性。

目前，对于告警信息的处理一般是通过站内信或邮件的方式进行通知，通过监控节点、告警项、告警等级、告警时间等条件进行告警信息数据的导出，即仅仅是将告警信息的历史记录展现给管理员。然而现有的告警信息处理方法过于简单，人工智能开发平台中各节点和监控项的维护和管理工作很大程度上依赖于管理人员的工作能力和业务经验，大多数情况下，我们一直处于被动的处理告警的状态下，不利于及时发现系统存在的问题。

发明内容

有鉴于此，有必要针对以上技术问题提供自动对未来运行状态进行预测的一种人工智能开发平台监控告警数据预测方法、装置、设备及介质。

根据本发明的第一方面，提供了一种人工智能开发平台监控告警数据预测方法，所述方法包括：

利用预先训练的基于卷积神经网络的第一预测模型，依据当前时刻之前的若干告警检测周期的监控告警数据对下一周期的监控告警数据进行预测，得到第一预测数据；

利用预先训练的基于LSTM神经网络的第二预测模型，依据所述第一预测数据对下一周期的监控告警数据再次进行预测，得到第二预测数据；

利用自回归模型依据当前时刻之前的若干告警检测周期的监控告警数据对下一周期的监控告警数据进行预测，得到第三预测数据；

将所述第二预测数据和所述第三预测数据按预设权重进行融合作为下一周期预测数据。

在其中一个实施例中，所述方法还包括：

获取当前时刻邻近的前一周期监控告警数据；

计算所述第三预测数据与前一周期监控告警数据的偏差；

若偏差超出预设值阈值，则基于所述偏差对所述第三预测数据进行调整直至调整后的第三预测数据与前一周期监控告警数据偏差未超出所述预设阈值。

在其中一个实施例中，所述方法还包括：

利用所述前一周期监控告警数据和下述公式一对所述下一周期预测数据进行修正以得到修正后的下一周期预测数据；

其中，h_t为下一周期预测数据，p_t-1前一周期监控告警数据；Y_t为修正后的下一周期预测数据。

在其中一个实施例中，所述方法还包括：

利用预设卷积神经网络和下述公式二对训练样本进行卷积操作以提取临近性、周期性、趋势性特征以构建预测卷积神经网络；