[发明专利]一种基于异构信息流的电力大数据业务系统测试方法

权利要求书

1.一种基于异构信息流的电力大数据业务系统测试方法，其特征在于：

步骤1：自动采集电力大数据业务系统中的每个功能点R，并将该功能点分解成一组量化的因子；因子的个数与该功能点所关联的数据要素的个数相应，功能点中每存在一个数据要素，就有一个因子与之对应；

步骤2：利用神经网络模型测试得到系统功能点质量的4个维度的输出；

2.1根据大数据因子集合生成功能点质量的大数据特征F_R；

其中F_R表示由业务系统功能点的类型、安全级别、功能质量级别、性能质量级别四个方面的33个数据构成的33维特征数据；其中：

第1-3维特征数据分别为因子中3个不同类型对应的元素的个数；

第4-13维特征数据分别为因子中10个安全级别对应元素的个数；

第14-23维特征数据分别为因子中10个功能质量级别对应元素的个数；

第24-33维特征数据分别为因子中10个性能质量级别对应元素的个数；

2.2以质量大数据特征F_R作为输入，通过神经网络模型，得到业务系统功能点质量4个维度的测试输出，包括：业务系统功能点的完成度、系统资源占用度、成熟度和优先级；

其中，该神经网络模型中的激励函数为：

用于建立非线性模型，参数α的作用是调整函数的收敛速度， 作为一组优选值，可以设定α＝0.015；

其中，该神经网络模型中的学习评价判别函数为：

式(7)中，x是模型的输入，y是模型的输出值，表示样本的真实值，N是样本数量， β为独立的控制变量，作为一组优选值，可取β＝0.925；

步骤3：根据测试输出的四个维度输出，根据下式计算功能点的判别值：

式(8)中，Y1表示完成度，Y2表示系统资源占用度，Y3表示成熟度，Y4表示优先级，E表示业务系统功能点质量的判别值；

当判别值达到某一阈值时，则判断该功能点通过测试，当判别值小于某一阈值时，则判断该功能点未通过测试。

2.如权利要求1所述的方法，其特征在于：因子的数据结构为：

因子F:{

类型(t)：t∈{生成，更新，传递},

值域(v)：v,

安全级别(sg1)：security_grade∈{1,2,…,10},

功能质量级别(sg2)：functional_grade∈{1,2,…,10},

性能质量级别(sg3)：performance_grade∈{1,2,…,10},

}。

3.如权利要求2所述的方法，其特征在于：对于因子的类型，自动判别如下：

Def1.1.如果该因子所对应的数据要素的值是在被评价的功能点内部所产生的，而且不依赖于该功能点本身之外的任何功能点，该因子的类型为“生成”；

Def1.2.如果Def1.1的前提不满足，即因子所对应的数据要素的值依赖于被评价功能点之外的功能点，那么如果该数据在当前功能点和其依赖功能点中业务含义一致，那么该因子的类型为“传递”；

Def1.3.如果Def1.1和Def1.2的前提均不满足，那么将因子类型标记为“更新”。

4.如权利要求2所述的方法，其特征在于：对于因子的值域，自动判别如下：当v＝1时，表示数据要素取值为数值，即数据要素的不同取值可以量化比较的；当v＝-1时，表示数据要素取值为其它，即数据要素的不同取值之间不可量化比较。

5.如权利要求2所述的方法，其特征在于：对于因子的安全级别，自动判别如下：执行一次系统安全测试时，发现的缺陷中存在与该因子相关联的缺陷的数量，假设缺陷的数量为N_B，那么安全级别取值＝max(1,10-N_B)， 即如果缺陷数量少于10个，则系统安全级别等于10减去缺陷的数量，如果缺陷数量大于或等于10个，系统安全级别取值为1。