[发明专利]一种基于大数据和机器学习的智能运维方法

权利要求书

1.一种基于大数据和机器学习的智能运维方法，其特征在于，包括：

获取样本数据，所述样本数据是装置在进行工作时产生的数据，包括设置的参数、运行的数据以及运行数据变化的数据；

将所述样本数据分割为两组，分别输入到卷积神经网络模型的编辑端，该编辑端将所述数据进行编辑，生成基于平面直角坐标系的第一散点数据和第二散点数据，将所述第一散点数据和第二散点数据输入到卷积层；

所述卷积层分别对所述第一散点数据和第二散点数据进行像素识别，将符合预设条件的第一散点数据和第二散点数据过滤出来，生成第一过滤散点数据和第二过滤散点数据；

将所述第一过滤散点数据和第二过滤散点数据输入到所述卷积神经网络的融合层，并将所述第一过滤散点数据和所述第二过滤散点数据进行融合，生成融合散点数据；

将所述融合散点数据进行解码，生成结果特征数据。

2.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，基于所述特征数据生成运维方案，包括：

根据所述结果特征数据判断运维情况；

根据所述运维情况调取运维方案。

3.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，所述第一散点数据个第二散点数据的中散点位置有时间和值大小确定。

4.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，所述将所述第一过滤散点数据和所述第二过滤散点数据进行融合，包括：

将所述第一散点数据和第二散点数据中时间重复的散点保留，时间未重复的散点删除。

5.根据权利要求2所述基于大数据和机器学习的智能运维方法，其特征在于，所述运维方案是预先设置的。

6.一种基于大数据和机器学习的智能运维装置，其特征在于，包括：

获取模块，用于获取样本数据，所述样本数据是装置在进行工作时产生的数据，包括设置的参数、运行的数据以及运行数据变化的数据；

编辑模块，用于将所述样本数据分割为两组，分别输入到卷积神经网络模型的编辑端，该编辑端将所述数据进行编辑，生成基于平面直角坐标系的第一散点数据和第二散点数据，将所述第一散点数据和第二散点数据输入到卷积层；

筛选模块，用于通过所述卷积层分别对所述第一散点数据和第二散点数据进行像素识别，将符合预设条件的第一散点数据和第二散点数据过滤出来，生成第一过滤散点数据和第二过滤散点数据；

融合模块，用于将所述第一过滤散点数据和第二过滤散点数据输入到所述卷积神经网络的融合层，并将所述第一过滤散点数据和所述第二过滤散点数据进行融合，生成融合散点数据；

解码模块，用于将所述融合散点数据进行解码，生成结果特征数据。

7.根据权利要求6所述基于大数据和机器学习的智能运维装置，其特征在于，基于所述特征数据生成运维方案，包括：

根据所述结果特征数据判断运维情况；

根据所述运维情况调取运维方案。

8.根据权利要求6所述基于大数据和机器学习的智能运维装置，其特征在于，所述第一散点数据个第二散点数据的中散点位置有时间和值大小确定。

9.根据权利要求6所述基于大数据和机器学习的智能运维装置，其特征在于，所述将所述第一过滤散点数据和所述第二过滤散点数据进行融合，包括：

将所述第一散点数据和第二散点数据中时间重复的散点保留，时间未重复的散点删除。

10.根据权利要求7所述基于大数据和机器学习的智能运维装置，其特征在于，所述运维方案是预先设置的。