[發(fā)明專利]基于深度機(jī)器學(xué)習(xí)模型的異常網(wǎng)絡(luò)數(shù)據(jù)生成與預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811627720.5
• 申請日: 2018-12-28
• 公開（公告）號: CN109492193B
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計(jì)）人: 楊愷;竇紹瑜
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/08;G06Q10/04;G06Q10/06
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 蔡彭君

1.一種基于深度機(jī)器學(xué)習(xí)模型的異常網(wǎng)絡(luò)數(shù)據(jù)生成與預(yù)測方法，其特征在于，包括：

步驟S1：收集系統(tǒng)組件的歷史性能指標(biāo)數(shù)據(jù)，并訓(xùn)練異常預(yù)測模型，

步驟S2：在線收集系統(tǒng)中所有組件的性能指標(biāo)數(shù)據(jù)，

步驟S3：判斷各組件是否存在與其有關(guān)聯(lián)關(guān)系的組件，若為是，則執(zhí)行步驟S4，反之，則執(zhí)行步驟S5，

步驟S4：將兩個組件的數(shù)據(jù)組合成二元組，計(jì)算該二元組的殘差值，并輸入至該二元組對應(yīng)的異常預(yù)測模型，并執(zhí)行步驟S6，

步驟S5：搜索該組件對應(yīng)的異常預(yù)測模型，將該組件的性能指標(biāo)數(shù)據(jù)輸入至該組件所對應(yīng)的異常預(yù)測模型，并執(zhí)行步驟S6，

步驟S6：判斷模型輸出的預(yù)測結(jié)果，若為是存在異常，則進(jìn)行報警；

所述步驟S1具體包括：

步驟S11：收集各個系統(tǒng)組件的歷史性能指標(biāo)數(shù)據(jù)，并兩兩組合成二元組，

步驟S12：判斷各二元組內(nèi)的數(shù)據(jù)是否具有關(guān)聯(lián)關(guān)系，若為是，則執(zhí)行步驟S13，反之，則執(zhí)行步驟S14，

步驟S13：計(jì)算二元組內(nèi)的數(shù)據(jù)的殘差序列，提取出殘差序列中的異常事件與正常事件，然后執(zhí)行步驟S16，

步驟S14：判斷是否還有未判斷過關(guān)聯(lián)關(guān)系的二元組，若為是，則執(zhí)行步驟S12，反之，則執(zhí)行步驟S15，

步驟S15：對于與其他組件無關(guān)聯(lián)關(guān)系的組件，提取出該組件歷史性能指標(biāo)中的異常事件與正常事件，然后執(zhí)行步驟S16，

步驟S16：對于每個二元組或單個的組件數(shù)據(jù)，使用異常事件與正常事件訓(xùn)練一個基于深度學(xué)習(xí)的異常預(yù)測模型，并保存每個異常預(yù)測模型；

所述步驟S12具體包括：

步驟S121：針對任一二元組內(nèi)的數(shù)據(jù)，生成一個自回歸模型，

步驟S122：評估每一個自回歸模型的R均方值：

其中：R²為所求的R均方值，y_t為t時刻y組件的性能指標(biāo)，為使用給定的自回歸模型模型θ對組件y在t時刻的預(yù)測值，θ為要評估的自回歸模型，為y組件在時間窗口[1,t]內(nèi)的平均值，N為歷史性能指標(biāo)數(shù)據(jù)的長度，

步驟S123：判斷R均方值是否大于設(shè)定閾值，若為是，則存儲該自回歸模型，反之則丟棄該自回歸模型；

所述自回歸模型的生成過程具體包括：

步驟A1：輸入兩個組件x、y的歷史正常性能指標(biāo)[x_t-k,x_t-k-1,…,x_t-k-m]與[y_t,y_t-1,…,y_t-n]，并確定自回歸模型系數(shù)：

y_t+a₁y_t-1+…+a_ny_t-n＝b₀x_t-k+b₁x_t-k-1+…+b_mx_t-k-m

其中：n，m，k為預(yù)設(shè)的自回歸模型的參數(shù)，a₁,…,a_n與b₁,…,b_m為自回歸模型系數(shù)，

步驟A2：確定自回歸模型：

θ＝[a₁,…,a_n,b₁,…,b_m]

所述步驟S4具體包括：

步驟S41：將兩個組件的數(shù)據(jù)[x_t-k,x_t-k-1,…,x_t-k-m]、[y_t-1,y_t-2，…,y_t-n]組合成二元組，

步驟S42：搜索該二元組的自回歸模型θ，以[x_t-k,x_t-k-1,…,x_t-k-m]作為輸入，預(yù)測另一個組件的性能指標(biāo)預(yù)測公式如下：

其中：θ為自回歸模型，

步驟S43：計(jì)算殘差序列，[r_t-L-1,r_t-L-2,…,r_t]殘差序列計(jì)算公式如下：

其中是由自回歸模型θ輸出的預(yù)測值，y_t是真實(shí)的性能指標(biāo)值，r_t為表征關(guān)聯(lián)關(guān)系穩(wěn)定性的殘差值，

步驟S44：搜索該二元組對應(yīng)的異常預(yù)測模型，輸入殘差值到該模型中；

所述異常預(yù)測模型為長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)。