[发明专利]基于大数据分析的预警方法及存储介质

权利要求书

1.一种基于大数据分析的预警方法，其特征在于，包括：

利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；

通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始数据的预测值；

若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；

基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP-Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；

若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。

2.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型，包括：

利用主成分分析技术对所述第一原始数据进行处理，得到第一原始数据的数据特征；

通过预设算法对所述第一原始数据的数据特征进行训练，构建出预测模型。

3.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息，包括：

在预设的周期内，对所述预测值与所述第二原始数据求均值，得到得到周期内的平均预测值和平均第二原始数据；

当所述周期内的平均预测值和平均第二原始数据之间的差值集合大于第一动态阈值集合时，得到异常周期点；

根据所述异常周期点和预设的周期阈值，输出告警信息。

4.如权利要求3所述的基于大数据分析的预警方法，其特征在于，所述根据所述异常周期点和预设的周期阈值，输出告警信息，包括：

当所述异常周期点连续出现的个数大于所述预设的周期阈值时，输出告警信息。

5.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条，包括：

对所述告警信息中各告警项目进行分类分析，利用决策树算法得到告警项目的异常原因；

利用Apriori算法与FP-Growth算法，以及所述告警项目的异常原因，通过数据挖掘技术，得到所述告警信息中各告警项目之间的关联关系；

将所述告警信息中各告警项目之间的关联关系作为告警策略链条。

6.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息，包括：

通过实时业务数据的预测值与实时业务数据的差值集合，与第一动态阈值集合比较，得到实时告警信息；

通过所述实时告警信息与所述告警策略链条中的目标节点信息的匹配，在所述告警策略链条中查找与所述目标节点信息相关联的节点信息，得到所述告警策略链条中目标节点的相关联节点告警信息；

基于所述相关联节点告警信息，利用配置系统向预警终端发送预警信息。

7.如权利要求6所述的基于大数据分析的预警方法，其特征在于，所述基于所述相关联节点告警信息，利用配置系统向预警终端发送预警信息，包括：

基于所述相关联节点告警信息，在配置系统中指定目标预警终端，向目标预警终端发送预警信息。