摘要
本发明涉及大数据分析技术领域,尤其涉及一种基于大数据分析的运营监测方法及系统,其先获取历史运营大数据并基于历史运营大数据训练预设循环神经网络模型,之后基于时间对实时运营数据进行数据对齐,得到实时输入向量序列,再输入至训练好的预设循环神经网络模型中,得到输出的实时输出向量,最后根据实时输出向量得到实时异常数据种类,并展示实时异常数据种类对应的实时运营数据。相比于现有技术,本发明通过大数据训练能够识别异常数据的预设循环神经网络模型,进而利用神经网络能够处理复杂非线性数据的特性,通过该模型实现海量监测数据中的异常数据的识别并展示出来,从而使有关人员能够及时准确地关注到异常数据,从而及时作出响应。
技术关键词
循环神经网络模型
运营大数据
异常事件
监测方法
序列
节点
元素
运营监测系统
海量监测数据
大数据分析技术
识别异常数据
输入端
数据分析模块
输出端
数据获取模块
时间段
系统为您推荐了相关专利信息
组织分割方法
医学图像分割模型
深度学习模型
脑图像数据
分割算法
数据优化方法
智能诊断方法
装备健康管理
异常检测方法
隐马尔可夫模型
控制数据流
识别神经网络
数据项
智能化开关柜
智能控制方法
细菌耐药性检测
机器学习模型
药物
样本
卷积神经网络模型
超高速成像方法
事件相机
光流场
序列
图像优化网络