摘要
本申请提供了一种结合多维业务指标数据的智能预警和异常根因定位方案,包括:基于各个业务时序指标的时域特征以及频域特征对多个业务时序指标进行聚类,确定出属于周期特性的业务时序指标以及属于非周期特性的业务时序指标;将属于周期特性的业务时序指标的周期性时序特征输入至深度神经网络模型之中确定出该业务时序指标的异常值,将属于非周期特性的业务时序指标的非周期性时序特征输入至长短期记忆模型之中确定出该业务时序指标的异常值;基于风险定位技术对存在异常的业务时序指标的异常值以及每个异常值所对应的预测值进行故障定位分析,确定出影响多个业务时序指标发生故障的根本因素,从而提高异常值检测的准确性。
技术关键词
深度神经网络模型
时序特征
长短期记忆模型
故障定位分析
业务指标值
节点
样本
周期性
小波特征
定位技术
时域特征
频域特征
偏差
机器可读指令
风险
分区
数值
系统为您推荐了相关专利信息
混合神经网络模型
时序特征
人工智能预测方法
加速度
序列
深度强化学习
神经网络预测模型
贝叶斯神经网络
策略
动态邻接矩阵
临近预报方法
卫星云图
注意力
门控循环单元网络
特征提取模块