【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請涉及信息技術(shù)運(yùn)維和電信智慧運(yùn)維的，具體而言，涉及一種時序數(shù)據(jù)預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、目前，在機(jī)房運(yùn)維系統(tǒng)或云平臺管理系統(tǒng)等業(yè)務(wù)系統(tǒng)中獲取的時序數(shù)據(jù)通常包括噪聲，具體的實(shí)施過程中發(fā)現(xiàn)，這些噪聲會導(dǎo)致對時序數(shù)據(jù)進(jìn)行預(yù)測的準(zhǔn)確率較低，此處的預(yù)測可以包括：異常檢測、狀態(tài)預(yù)測等。
技術(shù)實(shí)現(xiàn)思路
1、本申請實(shí)施例的目的在于提供一種時序數(shù)據(jù)預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)，用于改善對時序數(shù)據(jù)進(jìn)行預(yù)測的準(zhǔn)確率較低的問題。
2、本申請實(shí)施例提供了一種時序數(shù)據(jù)預(yù)測方法，包括：獲取待處理的時序數(shù)據(jù)，并對時序數(shù)據(jù)進(jìn)行分類，獲得多個類別的時序數(shù)據(jù)；針對多個類別中的每個類別的類型，確認(rèn)對應(yīng)的預(yù)測算法；使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，獲得下一周期的預(yù)測結(jié)果，預(yù)測結(jié)果是時序數(shù)據(jù)在下一個周期出現(xiàn)的數(shù)據(jù)。在上述方案的實(shí)現(xiàn)過程中，通過對時序數(shù)據(jù)進(jìn)行分類，獲得多個類別的時序數(shù)據(jù)，并對多個類別中的每個類別的時序數(shù)據(jù)進(jìn)行預(yù)測，改善了不同類別的數(shù)據(jù)相互作為噪音處理的情況，有效地降低了不同類別的數(shù)據(jù)相互作為噪音的概率，從而提高了對時序數(shù)據(jù)進(jìn)行預(yù)測的準(zhǔn)確率，使得運(yùn)維系統(tǒng)或云平臺管理系統(tǒng)提高運(yùn)維系統(tǒng)或云平臺管理系統(tǒng)根據(jù)預(yù)測及時反應(yīng)，提高運(yùn)維、管理效率。
3、可選地，在本申請實(shí)施例中，多個類別包括：平穩(wěn)型數(shù)據(jù)；對時序數(shù)據(jù)進(jìn)行分類，包括：統(tǒng)計(jì)出時序數(shù)據(jù)的標(biāo)準(zhǔn)差；從時序數(shù)據(jù)中分離出高于預(yù)設(shè)噪聲閾值參數(shù)的頻域噪聲，并統(tǒng)計(jì)出頻域噪聲的標(biāo)準(zhǔn)差；判斷時序數(shù)據(jù)的標(biāo)準(zhǔn)差和頻域噪
4、可選地，在本申請實(shí)施例中，使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：使用差分整合移動平均自回歸arima模型中的auto-arima自回歸模型，對平穩(wěn)型數(shù)據(jù)在下一個周期出現(xiàn)的時序數(shù)據(jù)進(jìn)行預(yù)測，獲得預(yù)測出的時序數(shù)據(jù)；使用arima模型中的移動平均ma模型，對預(yù)測出的時序數(shù)據(jù)進(jìn)行修正，獲得修正后的時序數(shù)據(jù)；對預(yù)測出的時序數(shù)據(jù)和修正后的時序數(shù)據(jù)進(jìn)行加權(quán)平均，獲得預(yù)測結(jié)果。在上述方案的實(shí)現(xiàn)過程中，通過使用差分整合移動平均自回歸arima模型中的auto-arima自回歸模型對平穩(wěn)型數(shù)據(jù)類別的時序數(shù)據(jù)進(jìn)行預(yù)測，并使用arima模型中的移動平均ma模型進(jìn)行修正，從而有效地提高了平穩(wěn)型數(shù)據(jù)的預(yù)測準(zhǔn)確率。
5、可選地，在本申請實(shí)施例中，多個類別包括：周期型數(shù)據(jù)；對時序數(shù)據(jù)進(jìn)行分類，包括：對時序數(shù)據(jù)進(jìn)行傅里葉變換，獲得量能周期分布圖；判斷量能周期分布圖的量能分布是否呈現(xiàn)周期性量能尖峰遞減特點(diǎn)；若是，則將時序數(shù)據(jù)確定為周期型數(shù)據(jù)。在上述方案的實(shí)現(xiàn)過程中，通過量能分布呈現(xiàn)周期性量能尖峰遞減特點(diǎn)來確定周期型數(shù)據(jù)，從而有效地利用了傅里葉變換獲得的量能周期分布圖中的信息，有效地提高了周期型數(shù)據(jù)的分類準(zhǔn)確率。
6、可選地，在本申請實(shí)施例中，使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：獲取周期型數(shù)據(jù)的數(shù)據(jù)周期長度；根據(jù)數(shù)據(jù)周期長度對周期型數(shù)據(jù)進(jìn)行預(yù)測，獲得預(yù)測結(jié)果。在上述方案的實(shí)現(xiàn)過程中，通過根據(jù)數(shù)據(jù)周期長度對周期型數(shù)據(jù)進(jìn)行預(yù)測，從而提高了周期型數(shù)據(jù)的預(yù)測準(zhǔn)確率。
7、可選地，在本申請實(shí)施例中，多個類別包括：趨勢型數(shù)據(jù)；對時序數(shù)據(jù)進(jìn)行分類，包括：對時序數(shù)據(jù)進(jìn)行mann-kendall檢驗(yàn)，獲得時序數(shù)據(jù)的置信度和統(tǒng)計(jì)量，其中，統(tǒng)計(jì)量表征該時序數(shù)據(jù)的趨勢程度，置信度表征該時序數(shù)據(jù)的可信度；判斷統(tǒng)計(jì)量的絕對值是否大于置信度；若是，則將時序數(shù)據(jù)確定為趨勢型數(shù)據(jù)。在上述方案的實(shí)現(xiàn)過程中，通過對時序數(shù)據(jù)進(jìn)行mann-kendall檢驗(yàn)，獲得時序數(shù)據(jù)的置信度和統(tǒng)計(jì)量，并根據(jù)統(tǒng)計(jì)量的絕對值與置信度確定趨勢型數(shù)據(jù)，從而有效地提高了趨勢型數(shù)據(jù)的分類準(zhǔn)確率，使用holt-winter算法對趨勢型數(shù)據(jù)進(jìn)行預(yù)測。
8、可選地，在本申請實(shí)施例中，多個類別包括：無規(guī)律型數(shù)據(jù)；對時序數(shù)據(jù)進(jìn)行分類，包括：判斷時序數(shù)據(jù)是否滿足預(yù)設(shè)條件，預(yù)設(shè)條件包括：時序數(shù)據(jù)不是平穩(wěn)型數(shù)據(jù)，且時序數(shù)據(jù)不是周期型數(shù)據(jù)，且時序數(shù)據(jù)不是趨勢型數(shù)據(jù)；若是，則將時序數(shù)據(jù)確定為無規(guī)律型數(shù)據(jù)。在上述方案的實(shí)現(xiàn)過程中，通過在時序數(shù)據(jù)不是平穩(wěn)型數(shù)據(jù)，且不是周期型數(shù)據(jù)，且不是趨勢型數(shù)據(jù)的情況下，才將時序數(shù)據(jù)確定為無規(guī)律型數(shù)據(jù)，從而無規(guī)律型數(shù)據(jù)的分類準(zhǔn)確率，使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，具體為：使用卷積神經(jīng)網(wǎng)絡(luò)和通道注意力機(jī)制提取負(fù)載間的局部依賴特征，通過引入注意力機(jī)制的rnn、lstm或bi-lstm對時序數(shù)據(jù)進(jìn)行預(yù)測，從而為不同時刻的時序數(shù)據(jù)賦予不同的權(quán)重。
9、本申請實(shí)施例還提供了一種時序數(shù)據(jù)預(yù)測裝置，包括：時序數(shù)據(jù)分類模塊，用于獲取待處理的時序數(shù)據(jù)，并對時序數(shù)據(jù)進(jìn)行分類，獲得多個類別的時序數(shù)據(jù)；預(yù)測結(jié)果獲得模塊，用于針對多個類別中的每個類別的類型，確認(rèn)對應(yīng)的預(yù)測算法；使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，獲得下一周期的預(yù)測結(jié)果，預(yù)測結(jié)果是時序數(shù)據(jù)在下一個周期出現(xiàn)的數(shù)據(jù)。
10、可選地，在本申請實(shí)施例中，多個類別包括：平穩(wěn)型數(shù)據(jù)；時序數(shù)據(jù)分類模塊，包括：時序標(biāo)準(zhǔn)差統(tǒng)計(jì)子模塊，用于統(tǒng)計(jì)出時序數(shù)據(jù)的標(biāo)準(zhǔn)差；頻域標(biāo)準(zhǔn)差統(tǒng)計(jì)子模塊，用于從時序數(shù)據(jù)中分離出高于預(yù)設(shè)噪聲閾值參數(shù)的頻域噪聲，并統(tǒng)計(jì)出頻域噪聲的標(biāo)準(zhǔn)差；標(biāo)準(zhǔn)差閾值判斷子模塊，用于判斷時序數(shù)據(jù)的標(biāo)準(zhǔn)差和頻域噪聲的標(biāo)準(zhǔn)差之間的比例是否小于預(yù)設(shè)閾值；平穩(wěn)型數(shù)據(jù)確定子模塊，用于若時序數(shù)據(jù)的標(biāo)準(zhǔn)差和頻域噪聲的標(biāo)準(zhǔn)差之間的比例小于預(yù)設(shè)閾值，則將該時序數(shù)據(jù)確定為平穩(wěn)型數(shù)據(jù)。
11、可選地，在本申請實(shí)施例中，預(yù)測結(jié)果獲得模塊，包括：平穩(wěn)數(shù)據(jù)預(yù)測子模塊，用于使用差分整合移動平均自回歸arima模型中的auto-arima自回歸模型，對平穩(wěn)型數(shù)據(jù)在下一個周期出現(xiàn)的時序數(shù)據(jù)進(jìn)行預(yù)測，獲得預(yù)測出的時序數(shù)據(jù)；時序數(shù)據(jù)修正子模塊，用于使用arima模型中的移動平均ma模型，對預(yù)測出的時序數(shù)據(jù)進(jìn)行修正，獲得修正后的時序數(shù)據(jù)；時序數(shù)據(jù)加權(quán)子模塊，用于對預(yù)測出的時序數(shù)據(jù)和修正后的時序數(shù)據(jù)進(jìn)行加權(quán)平均，獲得預(yù)測結(jié)果。
12、可選地，在本申請實(shí)施例中，多個類別包括：周期型數(shù)據(jù)；時序數(shù)據(jù)分類模塊，包括：數(shù)據(jù)傅里葉變換子模塊，用于對時序數(shù)據(jù)進(jìn)行傅里葉變換，獲得量能周期分布圖；分布圖量能判斷子模塊，用于判斷量能周期分布圖的量能分布是否呈現(xiàn)周期性量能尖峰遞減特點(diǎn)；周期型數(shù)據(jù)確定子模塊，用于若量能周期分布圖的量能分布呈現(xiàn)周期性量能尖峰遞減特點(diǎn)，則將時序數(shù)據(jù)確定為周期型數(shù)據(jù)。
13、可選地，在本申請實(shí)施例中，預(yù)測結(jié)果獲得模塊，包括：周期長度獲取子模塊，用于獲取周期型數(shù)據(jù)的數(shù)據(jù)周期長度；周期數(shù)據(jù)預(yù)測子模塊，用于根據(jù)數(shù)據(jù)周期長度對周期型數(shù)據(jù)進(jìn)行預(yù)測，獲得預(yù)測結(jié)果。
14、可選地，在本申請本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種時序數(shù)據(jù)預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括：平穩(wěn)型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括：周期型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括：趨勢型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
7.根據(jù)權(quán)利要求1-6任一所述的方法，其特征在于，所述多個類別包括：無規(guī)律型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
8.一種時序數(shù)據(jù)預(yù)測裝置，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括：處理器和存儲器，所述存儲器存儲有所述處理器可執(zhí)行的機(jī)器可讀指令，所述機(jī)器可讀指令被所述處理器執(zhí)行時執(zhí)行如權(quán)利要求1至7任一所述的
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，該計(jì)算機(jī)可讀存儲介質(zhì)上存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器運(yùn)行時執(zhí)行如權(quán)利要求1至7任一所述的方法。
...【技術(shù)特征摘要】
1.一種時序數(shù)據(jù)預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括：平穩(wěn)型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括：周期型數(shù)據(jù)；所述對所述時序數(shù)據(jù)進(jìn)行分類，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述使用對應(yīng)的預(yù)測算法對該類別的時序數(shù)據(jù)進(jìn)行預(yù)測，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個類別包括...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：祖曉陽，
申請(專利權(quán))人：北京神州泰岳軟件股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。