[發明專利]一種基于Prophet的運維智能排班方法及裝置

有效

• 申請號: 202011560216.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112598291B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 王哲;彭新宇;王燦
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/20;G06Q40/02;G06F11/34
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢娜

1.一種基于Prophet的運維智能排班方法，其特征在于，包括：

采集預設歷史時間段內發生的系統告警數據；

對所述系統告警數據進行預處理，得到預處理后的系統告警數據；

將所述預處理后的系統告警數據存儲至數據庫；

基于所述預處理后的系統告警數據，擬合Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測；

按照預測的告警數量對所有系統進行逆序排序；

根據系統排名，對應相關系統運維負責人生成值班表。

2.根據權利要求1所述的方法，其特征在于，所述對所述系統告警數據進行預處理，得到預處理后的系統告警數據，包括：

對所述系統告警數據中的異常數據或缺失的數據進行丟棄處理，得到預處理后的系統告警數據。

3.根據權利要求2所述的方法，其特征在于，基于所述預處理后的系統告警數據，擬合Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測，包括：

基于待預測時間段超參數，對Prophet模型進行訓練；

評估訓練后的Prophet模型的預測結果與真實結果之間的誤差；

基于所述誤差加入影響預測結果的因素，并對訓練后的Prophet模型的參數進行調整，得到調整后的Prophet模型；

基于所述預處理后的系統告警數據，采用調整后的Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測。

4.根據權利要求3所述的方法，其特征在于，所述根據系統排名，對應相關系統運維負責人生成值班表，包括：

根據系統排名，判斷推薦的運維負責人是否滿足值班預設條件，若是，則：

根據系統排名以及滿足值班預設條件的運維負責人生成值班表。

5.根據權利要求4所述的方法，其特征在于，所述評估訓練后的Prophet模型的預測結果與真實結果之間的誤差，包括：

采用均方誤差、均方根誤差和平均絕對誤差指標評估訓練后的Prophet模型的預測結果與真實結果之間的誤差。

6.一種基于Prophet的運維智能排班裝置，其特征在于，包括：

數據采集模塊，用于采集預設歷史時間段內發生的系統告警數據；

數據預處理模塊，用于對所述系統告警數據進行預處理，得到預處理后的系統告警數據；

數據入庫模塊，用于將所述預處理后的系統告警數據存儲至數據庫；

預測模塊，用于基于所述預處理后的系統告警數據，擬合Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測；

排序模塊，用于按照預測的告警數量對所有系統進行逆序排序；

生成模塊，用于根據系統排名，對應相關系統運維負責人生成值班表。

7.根據權利要求6所述的裝置，其特征在于，所述數據預處理模塊在執行對所述系統告警數據進行預處理，得到預處理后的系統告警數據時，具體用于：

對所述系統告警數據中的異常數據或缺失的數據進行丟棄處理，得到預處理后的系統告警數據。

8.根據權利要求7所述的裝置，其特征在于，所述預測模塊在執行基于所述預處理后的系統告警數據，擬合Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測時，包括：

訓練單元，用于基于待預測時間段超參數，對Prophet模型進行訓練；

評估單元，用于評估訓練后的Prophet模型的預測結果與真實結果之間的誤差；

調整單元，用于基于所述誤差加入影響預測結果的因素，并對訓練后的Prophet模型的參數進行調整，得到調整后的Prophet模型；

預測單元，用于基于所述預處理后的系統告警數據，采用調整后的Prophet模型，對待預測時間段的告警數量以及目標系統在特定日期發生故障的概率進行預測。