[发明专利]用于告警的方法及装置

权利要求书

1.一种用于告警的方法，包括：

将实时采集的流量数据序列导入预先训练的流量预测模型，得到预测流量数据，所述流量预测模型用于根据实时采集的流量数据序列计算得到预测流量数据；

响应于所述预测流量数据与时间上对应的实际流量数据的差值大于设定阈值，发出告警信号。

2.根据权利要求1所述的方法，其中，所述流量预测模型包括卷积神经网络、残差网络和全连接层。

3.根据权利要求2所述的方法，其中，所述将实时采集的流量数据导入预先训练的流量预测模型，得到预测流量数据，包括：

将所述实时采集的流量数据序列输入至所述卷积神经网络，得到实时采集的流量数据序列的特征向量，其中，所述卷积神经网络用于表征实时采集的流量数据序列与实时采集的流量数据序列的特征向量之间的对应关系；

将实时采集的流量数据序列的特征向量输入至所述残差网络，得到实时采集的流量数据序列的特征向量的融合特征向量，其中，所述残差网络用于表征实时采集的流量数据序列的特征向量与融合特征向量之间的对应关系；

将融合特征向量输入至所述全连接层，得到所述实时采集的流量数据序列的预测流量数据，其中，所述全连接层用于表征融合特征向量与预测流量数据之间的对应关系。

4.根据权利要求3所述的方法，其中，所述残差网络包括深层特性提取网络和表层特性提取网络，其中，所述深层特性提取网络包括至少两个卷积层，所述至少两个卷积层中在前的卷积层的输出作为相邻的在后卷积层的输入。

5.根据权利要求1所述的方法，其中，所述流量预测模型通过如下步骤训练得到：

从历史数据中提取样本流量数据序列，得到样本流量数据序列集合，其中，历史数据为无故障时的网络流量历史数据，样本流量数据序列中相邻的样本流量数据之间间隔设定的时间；

将所述样本流量数据序列集合中的样本流量数据序列作为输入，将所述样本流量数据序列集合中的样本流量数据序列对应的样本预测流量数据作为输出，训练得到流量预测模型。

6.根据权利要求5所述的方法，其中，所述将所述样本流量数据序列集合中的样本流量数据序列作为输入，将所述样本流量数据序列集合中的样本流量数据序列对应的样本预测流量数据作为输出，训练得到流量预测模型，包括：

执行以下训练步骤：将所述样本流量数据序列集合中的样本流量数据序列依次导入初始流量预测模型，得到所述样本流量数据序列集合中的样本流量数据序列对应的初始预测流量数据；将所述样本流量数据序列集合中的样本流量数据序列所对应的初始预测流量数据与该样本流量数据序列对应的样本预测流量数据进行比较，得到所述初始流量预测模型的预测准确率；确定所述预测准确率是否大于预设准确率阈值；若大于所述预测准确率阈值，则将所述初始流量预测模型作为训练完成的流量预测模型。

7.根据权利要求6所述的方法，其中，所述将所述样本流量数据序列集合中的样本流量数据序列作为输入，将所述样本流量数据序列集合中的样本流量数据序列对应的样本预测流量数据作为输出，训练得到流量预测模型，还包括：

响应于不大于所述预测准确率阈值，调整所述初始流量预测模型的参数，并继续执行所述训练步骤。

8.根据权利要求6所述的方法，其中，所述将所述样本流量数据序列集合中的样本流量数据序列依次导入初始流量预测模型，得到所述样本流量数据序列集合中的样本流量数据序列对应的初始预测流量数据，包括：

对于所述样本流量数据序列集合中的样本流量数据序列，将该样本流量数据序列中连续的N个样本流量数据导入初始流量预测模型，得到对应所述N个样本流量数据的初始预测流量数据。