[发明专利]一种基于人工智能大数据平台的单指标预测和预警方法

权利要求书

1.一种基于人工智能大数据平台的单指标预测和预警方法，其特征在于，包括：

(1)基于人工智能大数据平台的单指标预测，包括以下步骤：

a.基于人工智能大数据平台在数据中心采集的KPI指标数据，首先对数据进行清洗，将数据对齐、补全操作；

b.然后根据指标数据历史特征，将指标数据大致分为六类：周期性平缓型数据、周期性震荡型数据、业务特征型数据、静止扰动型数据、城墙型离散数据、非规律性数据；

c.依据不同的数据类型再做相应的数据预处理，包括ARIMA/RNN时间序列预测、计算历史相对误差、基于历史的上下界预测；

(2)基于人工智能大数据平台的单指标告警；基于历史的上下界预测指标值的范围区间，一旦在一段时间内连续多次打破历史的上下界阈值范围，即在这段时间内存在异常，进行告警；

对于所述周期性平缓型和周期性震荡型这类周期性明显的数据，做如下处理：

1)先将序列划分为工作日序列和非工作日序列；

2)对于数据有短时震荡的特征，对数据进行HP滤波处理是数据变得平缓，将处于上边界的点和下边界的点分开，并且对于空缺点使用线性补全；

3)再将工作日中各个时间点数据抽出为单独的时间序列，同时将休息日中的各个时间点的数据也抽出得到单独的时间序列；

4)将处理得到各个时间点的上边界和下边界序列运用ARIMA/RNN模型进行预测；

5)根据预测出的上边界和下边界恢复出KPI的预测值。

2.根据权利要求1所述的基于人工智能大数据平台的单指标预测和预警方法，其特征在于，对于业务特征型数据，在对于此类型数据主要做如下处理：

1)先对数据进行hp滤波处理，将数据平滑化；

2)使用时间序列的标准差判断数据处理震荡状态还是稳步上升状态；

3)对于震荡状态，使用滚动RNN/ARIMA进行预测；

4)对于稳步上升状态，使用线性回归处理。

3.根据权利要求1或2所述的基于人工智能大数据平台的单指标预测和预警方法，其特征在于，对于静止扰动型和城墙型离散特征数据，主要根据其历史的四周的数据先进行hp滤波平滑化处理，确定数据的波峰和波谷，取波峰数据的95％作为数据的上边界阈值，取波谷数据的95％作为下边界阈值。

4.根据权利要求1或2所述的基于人工智能大数据平台的单指标预测和预警方法，其特征在于，对于静止扰动型和城墙型离散特征数据，先计算其历史数据的均值和标准差，利用均值和标准差确定数据的历史波动范围特征，从而确定指标数据的上下界阈值。

5.根据权利要求1任一所述的基于人工智能大数据平台的单指标预测和预警方法，其特征在于，步骤(2)设定一个时间窗口大小为M，连续N次打破历史的相对误差范围，就相应的对该时间窗口进行告警。