[发明专利]自学习的变频监控方法、系统、电子设备和存储介质

权利要求书

1.一种自学习的变频监控方法，其特征在于，所述方法包括：

获取监控频率，根据所述监控频率分别对多项运行指标进行采集，获取监控数据；

对所述监控数据进行分析得出预测结果，所述预测结果用于指示是否即将发生异常事件；其中，获取每一所述异常事件的发生标准；判断多项所述运行指标的监控数据是否符合所述异常事件的发生标准；若符合，则预测结果指示即将发生异常事件；若不符合，则预测结果指示即将不发生异常事件；所述发生标准通过预先建立的自学习模型确定；

若所述预测结果指示即将发生异常事件，则提高所述监控频率；若所述预测结果指示不会即将发生异常事件，则判断在预设时间范围内是否接收到异常事件；

若所述预测结果指示不会即将发生异常事件，且在所述预设时间范围内未接收到异常事件，则降低监控频率；若所述预测结果指示不会即将发生异常事件，且在所述预设时间范围内接收到异常事件，则提高监控频率。

2.根据权利要求1所述的变频监控方法，其特征在于，若所述预测结果指示即将发生异常事件，则所述方法还包括：

获取预先设置的最低监控频率、最高监控频率和即将发生的异常事件的发生概率；

根据所述发生概率、最低监控频率和最高监控频率计算的结果提高所述监控频率。

3.根据权利要求1所述的变频监控方法，其特征在于，所述降低监控频率包括：

按照预设步长降低监控频率，根据降低后的监控频率继续采集监控数据，在重新获取的预测结果指示不会即将发生异常事件，且下一个预设时间范围内没有接收到异常事件，则继续按照预设步长降低监控频率，直到从预设的初始监控频率降到预设的最低监控频率。

4.根据权利要求1所述的变频监控方法，其特征在于，所述方法还包括：根据所述监控数据和预测结果生成告警信息，并将所述告警信息发送给用户。

5.根据权利要求2所述的变频监控方法，其特征在于，所述异常事件的发生标准和发生概率通过预先建立的自学习模型确定，所述自学习模型的建立包括：

分析历史监控数据，得出各异常事件发生时的发生标准；

获取实时监控数据，根据所述发生标准得出预测结果，其中，所述预测结果用于指示是否即将发生异常事件；

验证所述预测结果是否准确，并根据验证结论调整所述发生标准和异常事件的发生概率。

6.根据权利要求5所述的变频监控方法，其特征在于，所述并根据验证结论调整所述发生标准和异常事件的发生概率，包括：

若所述预测结果指示不会即将发生异常事件，且验证结果错误，则将所述异常事件的发生概率增大或设置为初始发生概率，并根据所述监控数据确定所述异常事件的发生标准；

若所述预测结果指示即将发生异常事件，且验证结果准确，则增大所述异常事件的发生概率，并根据所述监控数据更新所述异常事件的发生标准；

若所述预测结果指示即将发生异常事件，且验证结果错误，则减小所述异常事件的发生概率。

7.一种自学习的变频监控系统，其特征在于，所述系统包括：

监控模块，用于获取监控频率，根据所述监控频率分别对多项运行指标进行采集，获取监控数据；

学习模块，用于对所述监控数据进行分析得出预测结果，所述预测结果用于指示是否即将发生异常事件；其中，获取每一所述异常事件的发生标准；判断多项所述运行指标的监控数据是否符合所述异常事件的发生标准；若符合，则预测结果指示即将发生异常事件；若不符合，则预测结果指示即将不发生异常事件；所述发生标准通过预先建立的自学习模型确定；

事件采集模块，用于判断在预设时间范围内是否接收到异常事件；

监控频率制定模块，用于在所述预测结果指示即将发生异常事件，则提高所述监控频率；在所述预测结果指示不会即将发生异常事件，且在所述预设时间范围内未接收到异常事件的情况下，降低监控频率；在所述预测结果指示不会即将发生异常事件，且在所述预设时间范围内接收到异常事件，则提高监控频率。