[发明专利]基于Kalman滤波器的容量预测方法和系统

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种基于Kalman滤波器的容量预测方法和系统。

背景技术

随着互联网和信息行业的快速发展，大量的信息数据随之产生。运维人员需要及时采购存储设备，以有效存储不断增长的数据。但是，由于采购预算不准确，常常出现设备因采购过量而闲置，给公司和企业造成人力浪费、财力损失。基于此，业内技术人员积极开展数据分析和数据可视化研究项目，以期望通过容量时间序列的历史数据，分析其基本变化趋势，准确预测容量的未来走势，实现智能化定制采购计划的目标，为公司节省采购成本，避免浪费。

现有技术中，通过容量时间序列的历史数据，预测容量的未来走势的方法具有以下缺点：(1)人为观测法，尽管经验丰富的专业人士可以对容量时间序列数据的走势做出较准确的判断，但其预测误差仍较大；(2)阈值报警法，这种方法可以及时提醒相关运维人员进行采购，但不能对采购量给出合理建议，容易导致扩容过量，造成浪费。

发明内容

本发明的实施例提供一种基于Kalman滤波器的容量预测方法和系统，以实现对容量增长的准确预测，进而便于运维人员制定合理的扩容方案。

为达到上述目的，本发明的实施例提供了一种基于Kalman滤波器的容量预测方法，所述方法包括：

获取待预测对象的容量时间序列；

为所述容量时间序列建立动力学模型，并提取所述动力学模型的状态转移参量和过程噪声参量；

利用所述状态转移参量和过程噪声参量对所述容量时间序列进行Kalman滤波器估计，生成至少一个状态特征信号；

根据所述至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点；

根据在所述容量时间序列中确定的所述至少一个分段点对未来时间的容量进行预测。

本发明的实施例还提供了一种基于Kalman滤波器的容量预测系统，所述系统包括：

获取模块，用于获取待预测对象的容量时间序列；

建立提取模块，用于为所述容量时间序列建立动力学模型，并提取所述动力学模型的状态转移参量和过程噪声参量；

估计生成模块，用于利用所述状态转移参量和过程噪声参量对所述容量时间序列进行Kalman滤波器估计，生成至少一个状态特征信号；

分段模块，用于根据所述至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点；

预测模块，用于根据在所述容量时间序列中确定的所述至少一个分段点对未来时间的容量进行预测。

本发明实施例提供的基于Kalman滤波器的容量预测方法和系统，通过对获取的容量时间序列搭建动力学模型，然后利用Kalman滤波器对动力学模型下的容量时间序列进行滤波估计生成至少一个状态特征信号；对生成的状态特征信号进行分段，并依据分段点对未来时间的容量进行预测，提高了预测的准确性。

附图说明

图1为本发明提供的基于Kalman滤波器的容量预测方法一个实施例的方法流程图；

图2为本发明提供的容量时间序列的样例示意图；

图3为本发明提供的基于Kalman滤波器滤波后的容量时间序列的状态特征信号示意图；

图4为本发明提供的基于Kalman滤波器的容量预测方法另一个实施例的方法流程图；

图5为本发明提供的对容量时间序列进行中值滤波和移动平均滤波处理后的信号示意图；

图6为本发明提供的根据状态特征信号确定分段点的方法流程图；

图7为本发明提供的对容量时间序列的速度进行方差分析检验确定的分段疑似点样例图；

图8为本发明提供的对容量时间序列的加速度进行方差分析检验确定的分段疑似点样例图；

图9为本发明提供的对容量时间序列的加速度导数进行方差分析检验确定的分段疑似点样例图；

图10为对图8中加速度信号进行方差分析分段得到的容量时间序列中4个阶段信号样例图；

图11为本发明提供的基于Kalman滤波器的容量预测系统一个实施例的结构示意图；

图12为本发明提供的基于Kalman滤波器的容量预测系统另一个实施例的结构示意图；

图13为图12中分段模块的结构示意图；

图14为图12中预测模块的结构示意图；

图15为本发明提供的基于Kalman滤波器的容量预测系统又一个实施例的结构示意图。

具体实施方式