[發明專利]一種基于流數據多點組合監測分析方法及系統

有效

• 申請號: 202110054227.4
• 申請日: 2021-01-15
• 公開（公告）號: CN112988438B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 張才俊;江帆;樊濤;余錦河;張波;戴振龍;程飛飛;朱紅林;郭源;焦子榮
• 申請（專利權）人: 國家電網有限公司客戶服務中心;江蘇瑞中數據股份有限公司;南瑞集團有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N7/00;G06F16/2455;G06F16/25;G06F16/28;G06F9/54
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于流數據多點組合監測分析方法，其特征在于，包括如下步驟：

(1)使用樸素貝葉斯模型得出的單點監測預警結果；

(2)將單點監測預警結果作為已知的當前狀態x_t，對Metropolis-Hasting算法進行迭代，得到多層級聯合監測預警計算出的業務系統停頓概率；

(3)通過計算得出的多層級聯合監測預警計算出的核心業務異常概率，與業務監測系統中設定的閾值進行比較來決定是否進行預警；

步驟(1)具體包括如下步驟：

(a)根據貝葉斯定理確定核心業務異常和某監測對象異常之間的關系；

(b)對單點或人員在異常時的對該單點或人員對應的核心業務異常進行分類；

(c)使用最大后驗概率估計單點或人員在異常時的對該單點或人員對應的核心業務異常概率，得到單點監測預警結果。

2.根據權利要求1所述的基于流數據多點組合監測分析方法，其特征在于，步驟(a)中，所述核心業務異常和某監測對象異常之間的關系表達式如下：

其中，y為核心業務異常集合，從x₁到x_n為某監測對象集合，n為監測對象故障變量，為監測對象故障發生后核心業務異常發生的概率，為核心業務異常發生的概率，為核心業務異常發生后監測對象故障的發生概率，為一個已知的常量集合。

3.根據權利要求2所述的基于流數據多點組合監測分析方法，其特征在于，步驟(b)中，所述分類規則如下：

4.根據權利要求3所述的基于流數據多點組合監測分析方法，其特征在于，步驟(c)中，使用最大后驗概率來估計P(y)和P(x_i|y)，得到單點或人員在異常時的對該單點或人員對應的核心業務異常概率，從而得到單點監測預警結果。

5.根據權利要求1所述的基于流數據多點組合監測分析方法，其特征在于，步驟(2)中，在Metropolis-Hasting算法中，使用非對稱函數。

6.根據權利要求5所述的基于流數據多點組合監測分析方法，其特征在于：所述非對稱函數T滿足T(x,y)＞0的充要條件是T(y,x)＞0，其中，x為監測對象，y為核心業務異常集合。

7.根據權利要求6所述的基于流數據多點組合監測分析方法，其特征在于：所述充要條件具體為業務停頓，IT基礎設施、業務系統、服務、人員調配發生了故障或異常預警。

8.根據權利要求6所述的基于流數據多點組合監測分析方法，其特征在于，步驟(2)中，所述迭代具體包括如下步驟：

(a)從歷史數據中抽取已知的業務停頓和某一業務異常關系的非對稱函數T(x_t,y)，抽取核心業務異常事件作為“1”，然后進行迭代：

(b)在[0,1]的均勻分布中抽取一個隨機數u_t，同時獲取一個新的業務異常關系x_t+1＝y；

(c)如果u_t滿足下面公式：

那么就得到了一個基準值u_t，然后在[u_t,1]之間繼續抽取一個隨機數重復上述計算過程，最終不滿足的值即是多層級聯合監測預警計算出的業務系統停頓概率；

如果第一次u_t的取值不滿足那么重新在[0,u_t]之間重新抽取隨機數u_i進行計算，直到u_i滿足上述公式，將u_i作為基準值進行迭代。

9.一種基于流數據多點組合監測分析系統，其特征在于：包括單點監測模塊、多層級聯合監測模塊和預警模塊，所述單點監測模塊用于使用樸素貝葉斯模型得出的單點監測預警結果，所述多層級聯合監測模塊用于將單點監測預警結果作為已知的當前狀態x_t，對Metropolis-Hasting算法進行迭代，得到多層級聯合監測預警計算出的業務系統停頓概率，所述預警模塊通過計算得出的多層級聯合監測預警計算出的核心業務異常概率，與業務監測系統中設定的閾值進行比較來決定是否進行預警；

所述單點監測模塊使用樸素貝葉斯模型得出的單點監測預警結果的具體步驟為：

(a)根據貝葉斯定理確定核心業務異常和某監測對象異常之間的關系；

(b)對單點或人員在異常時的對該單點或人員對應的核心業務異常進行分類；

(c)使用最大后驗概率估計單點或人員在異常時的對該單點或人員對應的核心業務異常概率，得到單點監測預警結果。