一種智能預警的方法、裝置及信息系統的製作方法
2023-05-22 10:18:31
專利名稱：一種智能預警的方法、裝置及信息系統的製作方法
技術領域：
本發明屬於人工智慧領域，尤其涉及一種智能預警的方法、裝置及信息系統。
背景技術：
在網際網路操作過程中都會產生大量的數據信息，通常這些數據信息都能直接或者間接的反映出網際網路操作過程中的各種動態、靜態情況，通過對這些歷史數據信息的綜合分析判斷，可以對網際網路操作過程中將可能出現的問題進行提前預警，有利於及時採取應對措施，減少或者降低這些問題造成的損失。 然而，在現有的網際網路操作中，還缺少一種行之有效的預警方式，現有的預警方式大多還是通過人工分析網際網路的數據信息，然後依靠歷史數據信息的統計規律對分析後的數據信息進行預警判斷。這種預警方式單純的依靠統計規律，沒有考慮實際影響數據信息的影響因素，導致預警判斷的錯誤率較高。而且，預警過程需要人工的參與，效率較低。
發明內容
本發明實施例的目的在於提供一種智能預警的方法，旨在解決現有網際網路操作過程中的預警方式效率低，錯誤率高的問題。本發明實施例是這樣實現的，一種智能預警的方法，所述方法包括以下步驟採集數據信息；判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符；在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常；在所述數據信息存在異常時，進行預警處理；所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符。本發明實施例的另一目的在於提供一種智能預警的裝置，所述裝置包括信息採集單元，用於採集數據信息；第一判斷單元，用於判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符；第二判斷單元，用於在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常；信息處理單元，用於在所述數據信息存在異常時，進行預警處理；所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符。本發明實施例的再一目的在於提供一種包括所述智能預警裝置的信息系統。在本發明實施例中，通過預設的預警模型中對應的預警公式對採集的數據信息進行預警處理，由於所述預警公式能夠準確的反應出數據信息的變化情況，從而提高了數據信息預警的準確率，可有效防止網際網路操作過程中可能出現的問題。而且在預警處理的過程中，不需要人工的參與，有效的提高了數據信息預警的效率和準確率，降低數據信息預警分析和維護的成本。
圖I是本發明實施例一提供的智能預警方法的實現流程圖；圖2是本發明實施例二提供的智能預警方法的實現流程圖；圖3是本發明實施例二提供的建立預警模型的具體流程圖；
圖4是本發明實施例三提供的智能預警方法的實現流程圖；圖5是本發明實施例四提供的智能預警裝置的組成結構圖。
具體實施例方式為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。本發明實施例通過預設的預警模型中對應的預警公式對採集的數據信息進行預警處理，由於所述預警公式能夠準確的反應出數據信息的變化情況，從而提高了數據信息預警的準確率，可有效防止網際網路操作過程中可能出現的問題。而且在預警處理的過程中，不需要人工的參與，有效的提高了數據信息預警的效率，降低數據信息預警分析和維護的成本。為了說明本發明所述的技術方案，下面通過具體實施例來進行說明。實施例一:圖I示出了本發明實施例一提供的智能預警方法的實現流程，該方法過程詳述如下在步驟SlOl中，採集數據信息；在本實施例中，所述數據信息包括但不局限於數據名、數據類型、影響因子以及所述影響因子對應的數據量。其中，所述影響因子是指影響數據信息變化的影響因素，所述數據類型用於進一步細分數據信息，例如某網站訪問量的數據信息，在數據類型為地區時，可以將該數據信息進一步細分為該網站廣東地區訪問量的數據信息、該網站江蘇地區訪問量的數據信息等。在步驟S102中，判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，如果判斷結果為「是」，則執行步驟S104，如果判斷結果為「否」，則執行步驟S103 ；在本實施例中，預設的預警模型包括多個多參數的預警公式，所述預警公式與多個影響因子有關，能夠準確的反應出數據信息的變化情況，從而對數據信息作出準確的預警判斷。其中，每個預警公式都攜帶有一個與相應數據信息對應的唯一標識符(例如所述唯一標識符可以為數據名或者數據名+數據類型等)。系統根據該對應關係，在預測模型中查找與所述採集的數據信息相對應的預警公式，例如如果採集到某網站訪問量的數據信息，在預測模型中查找與該網站訪問量對應的預警公式，如果採集到的某網站訪問量的數據信息還根據數據類型劃分為該網站廣東地區訪問量的數據信息和該網站江蘇地區訪問量的數據信息，還需要在預警模型中查找是否存在與該網站廣東地區訪問量的數據信息和該網站江蘇地區訪問量的數據信息對應的預警公式。如果查找到與所述採集的數據信息相對應的預警公式，則執行步驟S104，否則執行步驟S103。在步驟S103中，在所述預警模型中不存在與所述數據信息對應的預警公式時，將所述數據信息直接存儲至歷史資料庫中；在本實施例中，所述歷史資料庫可用於存儲一段時間內網際網路操作過程中產生的所有歷史數據信息。其中，所述時間段的長短可由用戶根據系統的實際性能設定。另外，在所述歷史資料庫中還存在一個新的劃分區，用來專門存儲和新類型數據信息相關的所有信
肩、O在步驟S104中，在所述預警模型中存在與所述數據信息對應的預警公式時，通過 所述對應的預警公式判斷所述數據信息是否存在異常；在本實施例中，在所述預警模型中存在與所述數據信息對應的預警公式時，通過該對應的預警公式對所述採集的數據信息進行預警處理，即通過所述對應的預警公式判斷所述數據信息是否存在異常。其中，所述異常是指所述數據信息預警處理的結果大於或者等於預設的閾值，或者所述結果不在預設的範圍之內。而所述預設的閾值或者預設的範圍可由用戶根據實際情況設定。為了提高預警的效率，在採集到的數據信息包含多種數據類型的數據信息時，可以同時查找多個與所述數據信息對應的預警公式來處理，例如在採集到的某網站訪問量的數據信息根據數據類型劃分為該網站廣東地區訪問量的數據信息和該網站江蘇地區訪問量的數據信息，可以同時在預警模型中查找與該網站訪問量的數據信息、該網站廣東地區訪問量的數據信息和該網站江蘇地區訪問量的數據信息相對應的預警公式來處理。而且，還可以根據實際需要通過改變預警公式的參數來升級所述預警公式，有效的增強了預警模型的靈活性和實用性，降低了數據信息預警的成本。在步驟S105中，在所述數據信息存在異常時，進行預警處理。在本實施例中，所述預警處理的方式包括但不限於系統通過有線或者無線的方式向管理者發送簡訊或者郵件通知。作為本發明的另一實施例，所述方法在步驟S105之後，還包括以下步驟輸出所述數據信息異常的具體信息。在本實施例中，所述具體信息包括但不限於影響所述數據信息異常的主要原因，管理者可根據影響所述數據信息異常的主要原因採取有效的應對措施，減少異常造成的損失。實施例二 :圖2示出了本發明實施例二提供的智能預警方法的實現流程，該方法過程詳述如下在步驟S201中，從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型，預警模型包含多個多參數的預警公式。在本實施例中，所述歷史數據信息包括但不局限於數據名、數據類型、目標因子、目標因子對應的數據量、影響因子以及影響因子對應的數據量。其中，所述目標因子為反映數據信息變化特徵的主要因子。從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型的具體步驟如圖3所示
在步驟S301中，從歷史資料庫中提取預存的歷史數據信息。在本實施例中，根據預設 的提取規則提取歷史資料庫中不同的歷史數據信息。其中，預設的提取規則包括但不局限於按時間提取或/和按數據類型提取。在步驟S302中，獲取所述歷史數據信息中的目標因子和影響因子。在本實施例中，獲取所述提取的每個歷史數據信息中的目標因子和影響因子。在步驟S303中，根據所述歷史數據信息，確定所述目標因子與影響因子之間的函數關係式。在本實施例中，根據所述獲取的目標因子和影響因子，建立所述目標因子與影響因子之間的函數關係式，所述函數關係式包含多個未知參數。根據所述歷史數據信息，例如目標因子的數據量以及影響因子的數據量，通過線性或者非線性數據擬合的方式確定所述函數關係式中未知參數的值。當然，也可以採用其他的方式確定所述函數關係式中未知參數的值，例如採用灰色理論模型等。作為本發明的一個實施例，所述方法還包括對所述歷史數據信息中的影響因子進行篩選，獲取影響數據量的關鍵影響因子，建立所述目標因子與關鍵影響因子之間的函數關係式。在步驟S304中，將確定的函數關係式作為與所述數據信息對應的預警公式，並建立包含多個預警公式的預警模型。在本實施例中，將確定參數值的函數關係式作為與所述數據信息對應的預警公式，並建立包含多個預警公式的預警模型。其中，每個預警公式都攜帶有一個唯一標識符，每一個唯一標識符與一個數據信息相對應。所述預警模型為包含多個預警公式的列表。在步驟S202中，採集數據信息。在步驟S203中，判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，如果判斷結果為「是」，則執行步驟S205，如果判斷結果為「否」，則執行步驟S204 ；在步驟S204中，在所述預警模型中不存在與所述數據信息對應的預警公式時，將所述數據信息直接存儲至歷史資料庫中；在步驟S205中，在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常。在步驟S206中，在所述數據信息存在異常時，進行預警處理。作為本發明的一個實施例，為了進一步增強預警模型的靈活性和實用性，在歷史資料庫新的劃分區接收到新數據類型的數據信息時(例如某網站西藏地區訪問量的數據信息)，說明所述預警模型中不存在與所述數據類型的數據信息對應的預警公式時，則單獨對該數據類型的數據信息進行統計、分析，建立與該數據類型的數據信息對應的預警公式，並將所述預警公式增加進預警模型中，以便於下次在採集到該數據類型的數據信息時能有效進行預警處理。本實施例還包括在所述預警模型中的預警公式不能準確的進行預警時，重新提取歷史資料庫中新的歷史數據作為訓練樣本，通過重新的統計、分析以及數據擬合(或者其他方式)，建立新的預警模型。舉例說明上述過程以某網站的訪問人數為例，統計過去一個月該網站每天的訪問人數S(目標因子)，並分析出影響網站訪問人數的關鍵因素，即關鍵影響因子。其中，關鍵影響因子採用灰色理論中的關聯度分析法獲取，假設通過關聯度分析法獲取的關鍵影響因子為X、Y、Z，建立目標因子與關鍵影響因子之間的函數關係式S = aXX+bXY+cXZ+d，再獲取目標因子和關鍵影響因子對應的數據量，通過matlab中的plotfit函數進行數據擬合或者通過灰色理論的GM(1，N)模型(I表示目標因子S，N表示關鍵影響因子的個數)，確定函數關係式中參數的值a = l、b = 2、c = 3、d = 4。則預警公式為S = I XX+2XY+3XZ+4,根據所述預警公式對當天該網站的訪問人數進行預算，如果預算得到的訪問人數大於或者等於預設的閾值(例如10000人)，則進行預警處理，即向網站管理員發送簡訊或者郵件，通知網站訪問人數將達到預設的閾值，管理員可根據所述通知，提前採取應對措施來保證網站伺服器的穩定性，有效避免該網站因訪問人數過多造成伺服器崩潰帶來的損失。當該網站由於做了大量的宣傳活動，使得網站每天的訪問人數大量增加時，為了保證預警的準確性，需要重新獲取新的歷史數據，並根據該數據重新進行數據擬合，獲取新的預警公式參數來升級所述預警公式。
實施例三:圖4示出了本發明實施例三提供的智能預警方法的實現流程，該方法過程詳述如下在步驟S401中，採集數據信息。在步驟S402中，解析並格式標準化所述採集的數據信息。在本實施例中，解析所述採集的數據信息，根據預設的過濾規則過濾所述採集的數據信息中與預警處理無關的信息，例如重複數據等。其中，所述過濾規則是根據預警模型建立時所需要的信息設置的。所述格式標準化數據信息是指對非標準化或者不符合預設規範的數據信息的數據類型以及數據量的單位等進行轉換，使其格式標準化或者符合預設規範。在步驟S403中，對格式標準化後的數據信息進行分類。在本實施例中，為了方便預警模型同時處理多種不同類型的數據信息，提高數據信息預警的效率和準確率，對格式標準化後的數據信息按照數據類型或者其他的方式進行分類。在步驟S404中，在所述預警模型中存在與所述分類後的數據信息對應的預警公式時，通過所述對應的預警公式判斷所述分類後的數據信息是否存在異常。在本實施例中，將預先存儲在歷史資料庫中某一時間段的歷史數據信息提取出來作為訓練樣本，通過對所述訓練樣本的統計和分析，建立包含多個多參數預警公式的預警模型，所述預警模型對分類後輸入的數據信息進行類型判斷後，選擇對應的預警公式對所述數據信息進行預警處理，根據預警處理的結果判斷所述數據信息是否存在異常。在步驟S405中，在所述數據信息存在異常時，進行預警處理。在本發明實施例中，通過解析並格式標準化所述採集的數據信息以及預設的過濾規則，可有效過濾掉預警處理過程中無關的信息，並規範採集的數據信息。對格式標準化後的數據信息進行分類，通過預設的預警模型處理分類後的數據信息，可進一步提高數據信息預警的效率和準確率。實施例四圖5示出了本發明實施例四提供的智能預警裝置的組成結構，為了便於說明，僅不出了與本發明實施例相關的部分。該智能預警裝置可以是運行於各種信息系統的軟體單元、硬體單元或者軟硬體相結合的單元，也可以作為獨立的掛件集成到這些信息系統中。該智能預警裝置包括信息採集單元51、第一判斷單元52、第二判斷單元53和信息處理單元54。其中，各單元的具體功能如下信息採集單元51，用於採集數 據信息；在本實施例中，所述數據信息包括但不局限於數據名、數據類型、影響因子以及所述影響因子對應的數據量。其中，所述影響因子是指影響數據信息變化的影響因素，所述數據類型用於進一步細分數據信息。第一判斷單元52，用於判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符；第二判斷單元53，用於在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常；其中，所述第二判斷單元53還包括信息處理模塊531、信息分類模塊532以及信息判斷模塊533，各模塊具體功能如下信息處理模塊531，用於解析並格式標準化所述採集的數據信息；信息分類模塊532，用於對格式標準化後的數據信息進行分類；信息判斷模塊533，用於在所述預警模型中存在與所述分類後的數據信息對應的預警公式時，通過所述對應的預警公式判斷所述分類後的數據信息是否存在異常。在本實施例中，各模塊的具體實施方式
如上所述，在此不再贅述。信息處理單元54，用於在所述數據信息存在異常時，進行預警處理。在本實施例中，所述異常是指所述數據信息預警處理的結果大於或者等於預設的閾值，或者所述結果不在預設的範圍之內。其中，所述預設的閾值或者預設的範圍可由用戶根據實際情況設定。所述預警處理的方式包括但不限於系統通過有線或者無線的方式向管理者發送簡訊或者郵件通知。作為本發明的另一實施例，所述裝置信息存儲單元55，用於在所述預警模型中不存在與所述數據信息對應的預警公式時，將所述數據信息存儲至歷史資料庫。作為本發明的另一實施例，所述裝置還包括模型建立單元56，用於從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型，所述預警模型包括多個多參數預警公式。其中，所述模型建立單元56還包括信息提取模塊561、獲取模塊562、關係式確定模塊563以及模型建立模塊564，其中信息提取模塊561，用於從歷史資料庫中提取預存的歷史數據信息；獲取模塊562，用於獲取所述歷史數據信息中的目標因子和影響因子；關係式確定模塊563，用於根據所述歷史數據信息，確定所述目標因子與影響因子之間的函數關係式；模型建立模塊564，用於將確定的函數關係式作為與所述數據信息對應的預警公式，並建立包含多個預警公式的預警模型。在本實施例中，各模塊的具體實施過程如上所述，在此不再贅述。作為本發明的再一實施例，為了便於管理者快速了解異常出現的原因，根據所述原因採取有效的應對措施，減少異常造成的損失，所述裝置還包括信息輸出單元，用於輸出所述數據信息異常的具體信息。在本發明實施例中，通過解析並格式標準化所述採集的數據信息以及預設的過濾規則，可有效過濾掉預警處理過程中無關的信息，規範採集的數據信息。對格式標準化後的數據信息進行分類，通過預設的預警模型中對應的預警公式處理分類後的數據信息，由於所述預警公式能夠準確的反應出數據信息的變化情況，從而提高了數據信息預警的準確率。而且，預警過程中不需要人工的參與就可實現數據信息的預警，有效的提高了數據信息預警的效率，降低了數據信息預警分析和維護的成本。同時，通過輸出所述數據信息異常的具體信息，可方便快速的了解異常出現的原因，根據所述原因採取有效的應對措施，減少異常造成的損失。另外，預警模型中的預警公式可根據實際的需要進行增加、升級等處理，有效的增強了該預警模型的靈活性和實用性。以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精 神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護範圍之內。
權利要求
1.一種智能預警的方法，其特徵在於，所述方法包括以下步驟 採集數據信息； 判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符； 在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常； 在所述數據信息存在異常時，進行預警處理。
2.如權利要求I所述的方法，其特徵在於，在採集數據信息的步驟之前，所述方法還包括以下步驟 從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型，所述預警模型包括多個多參數的預警公式。
3.如權利要求2所述的方法，其特徵在於，所述從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型的步驟具體為 從歷史資料庫中提取預存的歷史數據信息； 獲取所述歷史數據信息中的目標因子和影響因子； 根據所述歷史數據信息，確定所述目標因子與影響因子之間的函數關係式； 將所述確定的函數關係式作為與所述數據信息對應的預警公式，並建立包含多個預警公式的預警模型。
4.如權利要求I所述的方法，其特徵在於，所述在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常的步驟具體為 解析並格式標準化所述採集的數據信息； 對格式標準化後的數據信息進行分類； 在所述預警模型中存在與所述分類後的數據信息對應的預警公式時，通過所述對應的預警公式判斷所述分類後的數據信息是否存在異常。
5.如權利要求I所述的方法，其特徵在於，所述預警處理的方式包括簡訊通知或者郵件通知。
6.一種智能預警的裝置，其特徵在於，所述裝置包括 信息採集單元，用於採集數據信息； 第一判斷單元，用於判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符； 第二判斷單元，用於在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常； 信息處理單元，用於在所述數據信息存在異常時，進行預警處理。
7.如權利要求6所述的裝置，其特徵在於，所述裝置還包括 模型建立單元，用於從歷史資料庫中提取預存的歷史數據信息作為訓練樣本，根據所述訓練樣本建立預警模型，所述預警模型包括多個多參數的預警公式。
8.如權利要求7所述的裝置，其特徵在於，所述模型建立單元包括 信息提取模塊，用於從歷史資料庫中提取預存的歷史數據信息；獲取模塊，用於獲取所述歷史數據信息中的目標因子和影響因子； 關係式確定模塊，用於根據所述歷史數據信息，確定所述目標因子與影響因子之間的函數關係式； 模型建立模塊，用於將確定的函數關係式作為與所述數據信息對應的預警公式，並建立包含多個預警公式的預警模型。
9.如權利要求6所述的裝置，其特徵在於，所述第二判斷單元還包括 信息處理模塊，用於解析並格式標準化所述採集的數據信息； 信息分類模塊，用於對格式標準化後的數據信息進行分類； 信息判斷模塊，用於在所述預警模型中存在與所述分類後的數據信息對應的預警公式時，通過所述對應的預警公式判斷所述分類後的數據信息是否存在異常。
10.如權利要求6所述的裝置，其特徵在於，所述預警處理的方式包括簡訊通知或者郵件通知。
11.一種包含權利要求6至10任一項權利要求所述智能預警裝置的信息系統。
全文摘要
本發明適用於人工智慧領域，提供了一種智能預警的方法、裝置及信息系統，所述方法包括下述步驟採集數據信息；判斷預設的預警模型中是否存在與所述數據信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數據信息對應的唯一標識符；在所述預警模型中存在與所述數據信息對應的預警公式時，通過所述對應的預警公式判斷所述數據信息是否存在異常；在所述數據信息存在異常時，進行預警處理。本發明可有效的提高數據信息預警的效率和準確率，降低數據信息預警分析和維護的成本。
文檔編號H04L12/24GK102801548SQ20111014015
公開日2012年11月28日 申請日期2011年5月27日 優先權日2011年5月27日
發明者華有為 申請人:騰訊科技(深圳)有限公司