[發(fā)明專利]工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法

在審

• 申請?zhí)枺?/td>: 202111573790.9
• 申請日: 2021-12-21
• 公開（公告）號(hào): CN114238446A
• 公開（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 倪楊;張陽;馬健;陳慶;李媛
• 申請（專利權(quán)）人: 四川中煙工業(yè)有限責(zé)任公司
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/215;G06K9/62;G06N20/00;G06Q10/00;G06Q50/04
• 代理公司: 四川省成都市天策商標(biāo)專利事務(wù)所(有限合伙) 51213
• 代理人: 龔海月

1.一種工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法，其特征在于，包括以下步驟：

S100、實(shí)時(shí)采集機(jī)房運(yùn)行狀態(tài)數(shù)據(jù)；

S200、對采集的運(yùn)行狀態(tài)數(shù)據(jù)X₁進(jìn)行清洗，利用機(jī)器學(xué)習(xí)對采集的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行預(yù)處理；

S300、利用經(jīng)驗(yàn)小波變換對預(yù)處理后的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行淺層特征提取，形成KPI特征樣本集，所述KPI特征樣本集包括各個(gè)原始的運(yùn)行狀態(tài)數(shù)據(jù)的訓(xùn)練數(shù)據(jù)特征；

S400、將所述KPI特征樣本集輸入Attention_GRU算法進(jìn)行深層特征提取并對比原始的運(yùn)行狀態(tài)數(shù)據(jù)得到檢測結(jié)果；

S500、通過分級(jí)管理系統(tǒng)，智能下發(fā)機(jī)器學(xué)習(xí)預(yù)測結(jié)果、識(shí)別結(jié)果對應(yīng)的調(diào)度命令。

2.根據(jù)權(quán)利要求1所述的工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法，其特征在于，在步驟S100中，所述運(yùn)行狀態(tài)數(shù)據(jù)包括資源監(jiān)控和業(yè)務(wù)監(jiān)控的數(shù)據(jù)，其中，所述資源監(jiān)控包括對主機(jī)的CPU、內(nèi)存占用、應(yīng)用的狀態(tài)和常駐程序狀態(tài)進(jìn)行監(jiān)控；所述業(yè)務(wù)監(jiān)控包括對業(yè)務(wù)量異常變化進(jìn)行監(jiān)控、自動(dòng)化巡檢和業(yè)務(wù)失敗量監(jiān)控。

3.根據(jù)權(quán)利要求1所述的工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法，其特征在于，步驟S200具體包括以下步驟：

S201、對原始的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行異常值剔除，所述異常值為新出現(xiàn)的異常值或官方標(biāo)記的異常值；

S202、運(yùn)用Min-Max標(biāo)準(zhǔn)化準(zhǔn)則，對原始的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化，從運(yùn)行狀態(tài)數(shù)據(jù)中得到原始的數(shù)據(jù)特征，對所述數(shù)據(jù)特征進(jìn)行均值補(bǔ)全；

S203、基于機(jī)器學(xué)習(xí)創(chuàng)建事件診斷模型和收集模型日志，并對運(yùn)維結(jié)果進(jìn)行智能預(yù)測，預(yù)測結(jié)果用于任務(wù)調(diào)度；

S204、基于物聯(lián)網(wǎng)的智能運(yùn)維平臺(tái)采集大量的用戶反饋信息與需求，并保存歷史設(shè)備數(shù)據(jù)，整合并融合管理好現(xiàn)有的數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法，其特征在于，所述步驟S300具體如下：

利用離散小波變換的性質(zhì)，對步驟S200得到的數(shù)據(jù)進(jìn)行分解，得到不同時(shí)間點(diǎn)上的分量，使得數(shù)據(jù)維度增大及特征差異增強(qiáng)，然后利用添加了分類約束的自編碼器與小波變換相結(jié)合對其進(jìn)行訓(xùn)練得到淺層特征，形成KPI特征樣本集。

5.根據(jù)權(quán)利要求1所述的工業(yè)數(shù)據(jù)中心機(jī)房運(yùn)維KPI數(shù)據(jù)分類方法，其特征在于，步驟S400具體包括以下步驟：

S401、設(shè)置迭代次數(shù)并將KPI特征樣本集和上一時(shí)刻隱藏層數(shù)據(jù)連接在一起經(jīng)過線性層；

S402、獲取歸一化的權(quán)重值，并將歸一化得到的權(quán)重與KPI特征樣本集進(jìn)行逐元素乘法獲得Attention的結(jié)果；

S403、將得到的Attention結(jié)果與上一時(shí)刻隱藏層數(shù)據(jù)一起輸入GRU網(wǎng)絡(luò)得到下一時(shí)刻的隱藏層數(shù)據(jù)，隨后進(jìn)入迭代過程；

S404、到最大迭代次數(shù)時(shí)將得到的隱藏層數(shù)據(jù)經(jīng)過全連接層并輸出識(shí)別結(jié)果。