[發明專利]一種故障預測方法及裝置在審
| 申請號： | 201810569355.0 | 申請日： | 2018-06-05 |
| 公開（公告）號： | CN108737193A | 公開（公告）日： | 2018-11-02 |
| 發明（設計）人： | 莊一鳴 | 申請（專利權）人： | 亞信科技（中國）有限公司 |
| 主分類號： | H04L12/24 | 分類號： | H04L12/24 |
| 代理公司： | 北京集佳知識產權代理有限公司 11227 | 代理人： | 楊華;王寶筠 |
| 地址： | 100193 北京市海淀區*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 告警 故障預測 故障排查 故障提示 人工分析 輸出故障 特征數據 實時性 滯后性 擬合 預設 概率 預測 申請 | ||
1.一種故障預測方法，其特征在于，包括：
從實時關鍵績效指標KPI數據中提取特征數據；
將提取的所述特征數據擬合為曲線；
在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率。
2.根據權利要求1所述的方法，其特征在于，在所述輸出故障的類型概率之前，還包括：
在所述曲線的幅值不在預設范圍的情況下，發出故障提示。
3.根據權利要求1或2所述的方法，其特征在于，在所述從實時關鍵績效指標KPI數據中提取特征數據之前，還包括：
采用根因分析法，確定待提取的所述特征數據的類型。
4.根據權利要求3所述的方法，其特征在于，所述采用根因分析法包括：
使用決策樹進行根因分析，或者，將根問題轉化成多個分類問題，使用神經網絡，得到各個分類問題導致根問題的概率。
5.根據權利要求1或2所述的方法，其特征在于，所述在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率包括：
使用經過預先的分類器，在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率；
所述分類器的預先訓練過程包括：
從歷史KPI數據中提取特征數據；
獲取人工提供的所述特征數據的標記信息；
使用所述特征數據以及所述特征數據的標記信息，訓練所述分類器。
6.一種故障預測裝置，其特征在于，包括：
提取模塊，用于從實時關鍵績效指標KPI數據中提取特征數據；
擬合模塊，用于將提取的所述特征數據擬合為曲線；
輸出模塊，用于在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率。
7.根據權利要求6所述的裝置，其特征在于，還包括：
提示模塊，用于在所述曲線的幅值不在預設范圍的情況下，發出故障提示。
8.根據權利要求6或7所述的裝置，其特征在于，所述提取模塊還用于：
在所述從實時關鍵績效指標KPI數據中提取特征數據之前，采用根因分析法，確定待提取的所述特征數據的類型。
9.根據權利要求8所述的裝置，其特征在于，所述提取模塊用于采用根因分析法包括具體用于：
所述提取模塊具體用于，使用決策樹進行根因分析，或者，將根問題轉化成多個分類問題，使用神經網絡，得到各個分類問題導致根問題的概率。
10.根據權利要求6或7所述的裝置，其特征在于，所述輸出模塊用于在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率包括：
所述輸出模塊具體用于，使用經過預先的分類器，在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率；所述分類器的預先訓練過程包括：從歷史KPI數據中提取特征數據；獲取人工提供的所述特征數據的標記信息；使用所述特征數據以及所述特征數據的標記信息，訓練所述分類器。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于亞信科技（中國）有限公司，未經亞信科技（中國）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810569355.0/1.html，轉載請聲明來源鉆瓜專利網。
