[发明专利]一种基于机器学习的信息系统运行状态风险预测方法

权利要求书

1.一种基于机器学习的信息系统运行状态风险预测方法，其特征在于，包括以下步骤：

采集原始日志中的指标数据，选取多个维度的所述指标数据，得到每个维度指标数据的训练集和测试集，选取多个维度的所述指标数据，具体包括：选取目标系统服务器指标数据中的CPU利用率、内存利用率，选取网络指标数据中的实时网络速度，选取应用程序指标数据中的SQL执行性能，选取中间件指标数据中的中间件线程池等待队列中请求数，其中，SQL执行性能也可作为数据库指标数据；

针对每个维度指标数据的训练集和测试集，构建相应维度指标数据的维度值预测模型；

利用各维度值预测模型，预测得到对应维度指标数据预设未来时长的纵向预测值；

根据所述预设未来时长的纵向预测值，结合所述多个维度指标数据与风险结果值的对应关系，得到预设未来时长的风险预测结果，所述多个维度指标数据与风险结果值的对应关系通过下述步骤得到：采用决策树学习算法，对所述多个维度指标数据按历史时间节点分析，得到所述多个维度指标数据与风险结果值的对应关系；

针对每个维度指标数据的训练集和测试集，构建相应维度指标数据的维度值预测模型，包括：针对每个维度的指标数据，分别采用不同的回归方法进行训练，将各自训练得到的预测结果与各自的测试集进行对比，以正确率作为指标，确定每个维度指标数据最适合的回归方法，将最合适的回归方法作为相应维度指标数据的维度值预测模型，所述回归方法包括线性回归、树回归以及神经网络回归；

根据所述预设未来时长的纵向预测值，结合所述多个维度指标数据与风险结果值的对应关系，得到预设未来时长的风险预测结果，具体包括：根据所述预设未来时长的纵向预测值，结合所述多个维度指标数据与风险结果值的对应关系，按照未来的时间节点，生成未来每个时间节点的风险预测结果值，根据所述风险预测结果值得到风险级别。

2.根据权利要求1所述的方法，其特征在于，还包括，对采集得到的指标数据进行结构化对象存储，得到结构化存储后的指标数据。

3.根据权利要求1所述的方法，其特征在于，得到每个维度的所述指标数据的训练集和测试集，具体包括：根据采集时间点，按照预设时间间隔，对所述指标数据进行筛选，得到选取的每个维度指标数据的训练集和测试集。

4.根据权利要求1所述的方法，其特征在于，针对每个维度的指标数据，分别采用不同的回归方法进行训练，具体包括：针对每个维度的指标数据，分别采用线性回归、树回归、神经网络回归方法进行训练。

5.根据权利要求1所述的方法，其特征在于，还包括，间隔一段时间，重复采集原始日志中的指标数据，再次选取多个维度的所述指标数据，得到每个维度指标数据的训练集和测试集，以对每个维度指标数据的训练集和测试集进行增量调整。