[發明專利]異常預測方法及裝置

在審

• 申請號: 202110308070.3
• 申請日: 2021-03-23
• 公開（公告）號: CN112766618A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 蘇藝然
• 申請（專利權）人: 蘇藝然
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種異常預測方法，其特征在于，包括：

根據第一運行數據和預設的第一模型確定第一表征向量；

根據所述第一表征向量和預設的第二模型確定所述第一運行數據的第一預測結果。

2.如權利要求1所述的方法，其特征在于，在所述根據第一運行數據和預設的第一模型確定第一表征向量之后，還包括：

根據所述第一表征向量和預設的分類器確定所述第一運行數據的第二預測結果。

3.如權利要求2所述的方法，其特征在于，所述第二模型為第三模型、第四模型、閾值模型和非參數聚類模型的集成模型。

4.如權利要求3所述的方法，其特征在于，在所述根據第一運行數據和預設的第一模型確定第一表征向量之后，還包括：

根據所述第一表征向量、所述第一運行數據和第三中間模型確定所述第一運行數據的第三預測結果。

5.如權利要求3或4所述的方法，其特征在于，還包括所述第二模型的優化步驟，所述第二模型的優化步驟包括：

根據第二運行數據和所述第一模型確定第二表征向量；

根據所述第二表征向量和第二初始模型確定所述第二運行數據的第一預測結果，并根據所述第二運行數據的第一結果和所述第一預測結果確定第一損失函數；

根據第一損失函數調整所述第二初始模型的超參數，以根據調整后的超參數確定所述第二模型；所述第二初始模型為第三中間模型、第四初始模型、初始閾值模型和初始非參數聚類模型的集成模型。

6.如權利要求5所述的方法，其特征在于，還包括所述第一模型、所述第三中間模型、所述第四初始模型和所述分類器的優化步驟，所述優化步驟包括：

根據第三運行數據和第一初始模型確定第三表征向量、第二損失函數；

根據所述第三表征向量、所述第三運行數據和第三初始模型確定所述第三運行數據的第三預測結果和第三損失函數；

根據所述第三表征向量和初始分類器確定所述第三運行數據的第二預測結果，并根據所述第三表征向量的第二結果和所述第二預測結果確定第四損失函數；

根據所述第二損失函數、第三損失函數和第四損失函數調整所述第一初始模型、所述第三初始模型和所述初始分類器的參數，以分別根據調整后的參數確定所述第一模型、所述第三中間模型和所述分類器，并根據所述第三運行數據和所述第一模型確定所述第四初始模型。

7.如權利要求6所述的方法，其特征在于，所述第三運行數據至少包括特征維度和時間維度；所述根據所述第三表征向量、所述第三運行數據和第三初始模型確定所述第三運行數據的第三預測結果和第三損失函數，包括：

根據所述第三表征向量、所述第三運行數據中的部分特征維度對應的特征以及時間維度和第三初始模型確定所述第三運行數據中的其他特征維度對應的特征和第三損失函數。

8.如權利要求6所述的方法，其特征在于，所述根據所述第二損失函數、第三損失函數和第四損失函數調整所述第一初始模型、所述第三初始模型和所述初始分類器的參數，包括：

根據所述第二損失函數、第三損失函數和第四損失函數確定整體損失函數；

根據梯度優化器調整所述第一初始模型、所述第三初始模型和所述初始分類器的參數，直至所述整體損失函數收斂。

9.一種異常預測裝置，其特征在于，包括：

處理模塊，用于根據第一運行數據和預設的第一模型確定第一表征向量；

第一預測模塊，用于根據所述第一表征向量和預設的第二模型確定所述第一運行數據的第一預測結果。

10.如權利要求9所述的裝置，其特征在于，還包括第二預測模塊；所述第二預測模塊用于，根據所述第一表征向量和預設的分類器確定所述第一運行數據的第二預測結果。