[發明專利]基于multi_DBNs模型的大服務組件系統在線可靠性預測方法

在審

• 申請號: 201710237640.8
• 申請日: 2017-04-12
• 公開（公告）號: CN107145967A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 王紅兵;余媛
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 南京眾聯專利代理有限公司32206
• 代理人: 蔣昱

技術領域

本發明涉及基于服務組合的大服務環境下SoS應用提供方法及關鍵技術領域，特別是涉及基于multi_DBNs模型的大服務組件系統在線可靠性預測方法。

背景技術

面向國家重大戰略需求，近年來我國在航空航天、交通運輸、能源動力等領域對大規模復雜軟件系統的應用需求逐漸凸顯。作為構建大規模復雜軟件系統的一種重要思想，“系統的系統”(System of Systems,SoS)逐漸引起國內外研究及工業應用領域有關人員的高度重視。SoS一般是通過網絡集成多個已有的各自獨立的組件系統，從而形成一個新的系統，滿足用戶更為復雜的應用需求。這一應用最早出現在海灣戰爭期間，多國部隊各自獨立的戰斗系統，最終被集成為一個可以聯合作戰的系統的系統。與傳統的基于網絡的系統的主要區別在于，SoS不僅需要多個組件之間實現協作，完成一個共同的目標，更為重要的時，SoS需要具有更好的性能，更高的運行穩定性，從而實現組件系統之間的協同工作。

SoS組件系統之間通過互聯網(也可能是組織的內部網絡)進行調用，進行實現集成。所構建的系統較單一的軟件系統在構成成分上具有更粗的粒度，更為強調各組件系統之間的交互、協作與通信，更為注重整個系統平臺的監控、檢測與保障。系統運行在高度動態的環境下(例如網絡環境的變化、組件系統質量的波動甚至異常)，單個系統的變化(甚至錯誤)可能會產生級聯效應，導致整個系統不能工作。因此，針對基于服務組合的SoS系統的運行時的軟件質量保障問題是SoS領域研究和應用中一個需要迫切解決的極具挑戰性的問題。

本專利將以如何保障服務系統的可靠性為出發點，研究面向SoS中大服務組件系統的在線可靠性時間序列預測問題，為更好地開展基于服務組合的大服務場景下SoS應用提供方法及關鍵技術方面的支撐。由此看來，本發明具有重要的理論意義與實際應用價值。

發明內容

為了解決上述存在的問題，本發明提供基于multi_DBNs模型的大服務組件系統在線可靠性預測方法，這種方法是能夠支持網絡狀況處于隨機波動環境以及大服務環境下，發生錯誤的時間表現出不確定性的可靠性預測方法，為達此目的，本發明提供基于multi_DBNs模型的大服務組件系統在線可靠性預測方法，具體步驟如下：

在一個基于服務組合的SoS中，每一個組件系統均被實現為一個服務，要預測的是基于服務組合的SoS中任一組件系統S即由某一客戶端C所調用的在線及未來的可靠性時間序列，在線可靠性時間序列是指從當前時間t向前推進Δt_l長度的時間點開始，所覆蓋的有效預測的時間段為Δp_t，即有效預測時間；

基于multi_DBNs模型的服務系統可靠性預測步驟分為以下六步：

第一，數據準備，對所采集的歷史系統參數進行預處理，將其劃分為不同的時間序列；

第二，Motifs發現，從系統歷史參數時間序列中找出motifs；

第三，時間序列表達，采用距離最近的motifs來標記系統歷史參數時間序列；

第四，條件概率表構建，從被motifs標記過的系統歷史參數時間序列中，根據其時序演化規律，統計系統歷史參數時間序列motifs從數據窗口時間到有效預測時間的決定關系，并構建相應的條件概率表；

第五，可靠性時間序列預測，根據所采集的最鄰近的系統響應時間、吞吐量參數時間序列，基于m_DBNs模型開展服務在線可靠性時間序列預測；

第六，根據先前多步預測結果的累積誤差，利用multi_DBNs模型對新的預測結果進行校準，提高新的預測結果的精度。

本發明的進一步改進，步驟一在數據準備階段，對連續采集的組件系統歷史響應時間、吞吐量、可靠性參數進行預處理，為訓練m_DBNs模型做準備，將每一個連續的歷史系統參數劃分為兩類不同的時間序列，即數據窗口時間和有效預測時間的時間序列，以對響應時間參數的數據準備為例，數據窗口內的響應時間參數時間序列可表示為：

其中，表示集合中的第i個時間序列，它是一個行向量，包含多個響應時間參數數據點；

其次，為獲得有效預測時間內的響應時間參數時間序列，重新對響應時間參數劃分時間序列，對于每個選擇△t_l時間段之后時間段內的響應時間參數時間序列，定義為通過這一方式，同樣將響應時間參數劃分為多個時間序列，每一個時間序列中同樣具有n個數據點；