[發(fā)明專利]對(duì)象狀態(tài)預(yù)測(cè)方法、系統(tǒng)、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910162913.6
• 申請(qǐng)日: 2019-03-06
• 公開（公告）號(hào): CN109872003B
• 公開（公告）日: 2021-08-13
• 發(fā)明（設(shè)計(jì)）人: 郭皓明;武斌;李勤勇;魏閆艷;王之欣;白建秀
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院軟件研究所
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06K9/62
• 代理公司: 北京致科知識(shí)產(chǎn)權(quán)代理有限公司 11672
• 代理人: 魏紅雅

1.一種對(duì)象狀態(tài)預(yù)測(cè)方法，適用于設(shè)備運(yùn)維智能化監(jiān)測(cè)系統(tǒng)，其特征在于，包括：

根據(jù)知識(shí)庫(kù)和關(guān)聯(lián)數(shù)據(jù)挖掘?qū)ΡO(jiān)測(cè)對(duì)象的監(jiān)測(cè)數(shù)據(jù)指標(biāo)進(jìn)行分組，將指標(biāo)分為主指標(biāo)和參考指標(biāo)，其中，主指標(biāo)直接影響對(duì)象狀態(tài)，參考指標(biāo)通過關(guān)聯(lián)關(guān)系將參考指標(biāo)的變化傳遞給主指標(biāo)，并構(gòu)建指標(biāo)-狀態(tài)之間的依賴關(guān)系與值傳遞的狀態(tài)分析模型，所述狀態(tài)分析模型包括：基于時(shí)間序列對(duì)參考指標(biāo)進(jìn)行值預(yù)測(cè)的單指標(biāo)值預(yù)測(cè)模型、采用貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)多因素關(guān)聯(lián)的主指標(biāo)分布預(yù)測(cè)的主指標(biāo)分布預(yù)測(cè)模型以及對(duì)象狀態(tài)分類預(yù)測(cè)模型；

依據(jù)觀測(cè)指標(biāo)進(jìn)行數(shù)據(jù)采集，將各個(gè)指標(biāo)的監(jiān)測(cè)采樣數(shù)據(jù)或預(yù)測(cè)值進(jìn)行聚類，形成不同的分布簇，以及對(duì)分布簇序列化處理，獲取離散化的采樣數(shù)據(jù)或預(yù)測(cè)值的分布簇信息；

根據(jù)參考指標(biāo)對(duì)應(yīng)的樣本數(shù)據(jù)分布特點(diǎn)選擇平滑處理函數(shù)，將原始數(shù)據(jù)轉(zhuǎn)化成數(shù)據(jù)序列帶入構(gòu)建的單指標(biāo)值預(yù)測(cè)模型進(jìn)行訓(xùn)練迭代，獲取穩(wěn)定的基于時(shí)間序列的單指標(biāo)值預(yù)測(cè)模型；

將參考指標(biāo)的樣本數(shù)據(jù)的分布簇信息作為訓(xùn)練值帶入構(gòu)建的表示主指標(biāo)與參考指標(biāo)關(guān)聯(lián)關(guān)系的貝葉斯網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲取穩(wěn)定的多因素關(guān)聯(lián)的主指標(biāo)分布預(yù)測(cè)模型；

將主指標(biāo)預(yù)測(cè)值的分布簇信息作為訓(xùn)練值帶入構(gòu)建的對(duì)對(duì)象狀態(tài)預(yù)測(cè)分類的分類模型中進(jìn)行訓(xùn)練，獲取穩(wěn)定的對(duì)象狀態(tài)分類預(yù)測(cè)模型；

訓(xùn)練后獲得的穩(wěn)定的單指標(biāo)值預(yù)測(cè)模型、主指標(biāo)分布預(yù)測(cè)模型和對(duì)象狀態(tài)分類預(yù)測(cè)模型構(gòu)成計(jì)算模型體系；

將狀態(tài)預(yù)測(cè)對(duì)象當(dāng)前的數(shù)據(jù)流輸入計(jì)算模型體系，對(duì)對(duì)象狀態(tài)進(jìn)行預(yù)測(cè)，所述對(duì)象為監(jiān)測(cè)系統(tǒng)中被監(jiān)測(cè)的設(shè)備。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)知識(shí)庫(kù)和關(guān)聯(lián)數(shù)據(jù)挖掘?qū)ΡO(jiān)測(cè)對(duì)象的監(jiān)測(cè)數(shù)據(jù)指標(biāo)進(jìn)行分組，具體為：

根據(jù)知識(shí)庫(kù)從監(jiān)測(cè)對(duì)象的監(jiān)測(cè)數(shù)據(jù)集中篩選出表征模式明確的指標(biāo)；

采用關(guān)聯(lián)挖掘方法進(jìn)行指標(biāo)分組。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)象狀態(tài)分類預(yù)測(cè)模型采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)對(duì)象狀態(tài)的分類預(yù)測(cè)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)接入分析對(duì)象的規(guī)模和/或計(jì)算性能需求，神經(jīng)網(wǎng)絡(luò)中間層的層數(shù)及每層的節(jié)點(diǎn)數(shù)可彈性配置。

5.根據(jù)權(quán)利要求1～4中任一項(xiàng)權(quán)利要求所述的方法，其特征在于，將狀態(tài)預(yù)測(cè)對(duì)象當(dāng)前的數(shù)據(jù)流輸入計(jì)算模型體系，對(duì)對(duì)象狀態(tài)進(jìn)行預(yù)測(cè)，具體為：

將監(jiān)控對(duì)象當(dāng)前的數(shù)據(jù)流進(jìn)行采樣并聚類，獲取該監(jiān)控對(duì)象當(dāng)前主指標(biāo)的分布簇信息；

將當(dāng)前主指標(biāo)的分布簇信息帶入計(jì)算模型體系，檢測(cè)監(jiān)控對(duì)象當(dāng)前所處的狀態(tài)，若為非正常狀態(tài)，則獲取當(dāng)前對(duì)象主指標(biāo)對(duì)應(yīng)的參考指標(biāo)的采樣數(shù)據(jù)，對(duì)采樣數(shù)據(jù)進(jìn)行時(shí)間序列預(yù)測(cè)，并根據(jù)預(yù)測(cè)值獲取對(duì)應(yīng)的參考指標(biāo)的分布簇信息；

將參考指標(biāo)的分布簇信息分別帶入對(duì)應(yīng)的訓(xùn)練后的主指標(biāo)分布預(yù)測(cè)模型，獲取主指標(biāo)的分布簇信息；

將主指標(biāo)的分布簇信息帶入訓(xùn)練后的對(duì)象狀態(tài)分類預(yù)測(cè)模型，獲取對(duì)象的預(yù)測(cè)狀態(tài)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，當(dāng)檢測(cè)到監(jiān)控對(duì)象當(dāng)前所處的狀態(tài)為非正常狀態(tài)時(shí)，且對(duì)象狀態(tài)達(dá)到預(yù)設(shè)的異常標(biāo)準(zhǔn)，則直接標(biāo)注對(duì)象狀態(tài)。