[發明專利]一種基于隱馬爾科夫模型的軟件系統狀態預測方法

有效

• 申請號: 201510099169.1
• 申請日: 2015-03-06
• 公開（公告）號: CN104699606B
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 常政威;吳佳;林奕歐;江維;謝曉娜;陳亞軍;王電鋼
• 申請（專利權）人: 國網四川省電力公司電力科學研究院;電子科技大學;國家電網公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 成都行之專利代理事務所(普通合伙)51220
• 代理人: 梁田

1.一種基于隱馬爾科夫模型的軟件系統狀態預測方法，其特征在于，包括以下步驟：

步驟1、構造訓練樣本集，采用K均值聚類算法將訓練樣本集中的樣本聚為k個簇；

步驟2、構造隱馬爾科夫模型λ＝[π,A,B]，將步驟1中的k個簇作為模型的觀測狀態，將系統狀態作為隱藏狀態；π為初始狀態的概率分布，A為隱藏狀態轉移矩陣，B為隱藏狀態與觀測狀態關系矩陣；

步驟3、對隱馬爾科夫模型進行訓練，得到新的隱馬爾科夫模型

步驟4、利用采集的系統觀測值和新的隱馬爾科夫模型對系統實際狀態進行預測；

所述步驟3包括步驟31和步驟32：

步驟31、隨機賦值初始化隱馬爾科夫模型的參數，得到初始化的隱馬爾科夫模型；

步驟32、選定一組已知的觀測序列O＝{o₁,o₂,…,o_T}，利用該觀測序列和初始化的隱馬爾科夫模型對隱馬爾科夫模型進行重估，并對重估后的隱馬爾科夫模型進行反復迭代重估，直至收斂，得到訓練好的隱馬爾科夫模型，為重估的隱馬爾科夫模型中觀察到觀測序列O的概率。

2.根據權利要求1所述的一種基于隱馬爾科夫模型的軟件系統狀態預測方法，其特征在于，所述步驟2包括以下步驟：

步驟21、將步驟1中的k個簇作為隱馬爾科夫模型的觀測狀態,觀測狀態個數為M，M＝k；

步驟22、系統狀態由正常、注意、異常和危險四個狀態構成，這四個狀態作為隱馬爾科夫模型的隱藏狀態，隱藏狀態個數為N，N＝4。

3.根據權利要求1所述的一種基于隱馬爾科夫模型的軟件系統狀態預測方法，其特征在于，步驟1包括以下步驟：

步驟11、從系統運行歷史數據中采集T個時刻的軟件運行狀態參數，構造訓練樣本集X，訓練集合為{x⁽¹⁾，x⁽²⁾，x⁽³⁾，…，x^(T)}；

步驟12、采用K均值聚類算法將樣本集中的所有樣本聚為k類，具體包括以下步驟：

(b1)隨機選取k個聚類質心點：μ₁，μ₂，...，μ_k；

(b2)重復b21-b22直到收斂：

(b21)對于每一個樣本x^(q)，q＝1,2，…，T，計算其屬于的類：

$c^{\left(q\right)}=\arg \underset{r}{min}\left|\right|x^{\left(q\right)}-{\mathrm{\μ}}_r|{|}^2,r=1,2,...,k,---\left(1\right);$

c^(q)表示每一個樣本x^(q)屬于的類，c^(q)的取值范圍為{1,…,k}；

(b22)在步驟(b21)將所有樣本分類完成后，對于每一個類，重新計算每一個類的質心：

${\mathrm{\μ}}_r=\frac{\underset{q=1}{\overset{T}{\Σ}}1\{c^{\left(q\right)}=r\}{x}^{\left(q\right)}}{\underset{q=1}{\overset{T}{\Σ}}1\{c^{\left(q\right)}=r\}}---\left(2\right).$