[发明专利]一种预测系统故障的方法、装置及电子设备

权利要求书

1.一种预测系统故障的方法，其特征在于，所述方法包括：

获取待预测目标系统的趋势型序列数据和随机型序列数据；

将所述趋势型序列数据输入第一预测模型，得到第一预测值，将所述随机型序列数据输入第二预测模型，得到第二预测值，所述第一预测模型基于所述待预测目标系统的历史趋势型序列数据训练得到，所述第二预测模型基于所述待预测目标系统的历史随机型序列数据训练得到；

根据所述第一预测值以及所述第二预测值，对所述待预测目标系统进行故障预测；

其中，所述根据所述第一预测值以及所述第二预测值，对所述待预测目标系统进行故障预测，包括：

将所述第一预测值以及所述第二预测值按照预设方式合并，作为所述待预测目标系统的故障预测结果；

其中，将所述第一预测值以及所述第二预测值按照预设方式合并，作为所述待预测目标系统的故障预测结果，包括：

基于所述第一预测值和所述第二预测值的权重累加结果，与故障阈值进行比较，若所述权重叠加结果超过所述故障阈值，则认为所述待预测目标系统出现异常；

其中，所述第一预测值和所述第二预测值的所述权重累加结果采用如下方式计算得到：

(1)按照如下方式，分别计算所述第一预测模型、所述第二预测模型的预测误差平方和：

其中，E_ii为预测模型的预测误差平方和，x_it 为预测模型在t时刻的值，x_t为序列数据第t时刻的观测值，N为序列数据的长度；

(2)基于所述误差平方和，按照如下方式分别计算所述第一预测模型、所述第二预测模型的权值：

其中，l_i表示预测模型的权值，m表示预设模型的数量；

(3)按照如下方式计算第一预测模型、第二预测模型的补偿因子：

首先，采用如下公式[5]、[6]分别计算趋势型序列数据和随机型序列数据的占比因子：

其中，D序列数据为观测数据，D₁、D₂分别为所述趋势型序列数据和所述随机型序列数据，D₁’表示趋势型序列部分预测数据、D₂’表示部分随机型序列部分预测数据，D₁”表示趋势型序列数据的占比因子，D₂”表示随机型序列数据的占比因子；

其次，根据下述公式[7]，分别计算所述趋势型序列数据的补偿因子W₁、所述随机型序列数据的补偿因子W₂：

其中，W₁+W₂＝1；

(4)基于所述补偿因子与所述权值分别采用如下公式[8]、[9]确定第一预测模型的权重Q₁、第二预测模型的权重Q₂：

Q₁＝l₁*W₁[8]

Q₂＝l₂*W₂[9]。

2.根据权利要求1所述的方法，其特征在于，在所述将所述随机型序列数据输入第二预测模型，得到第二预测值之前，包括：

基于所述历史随机型序列数据获取与所述历史随机型序列数据对应的自相关函数图以及偏自相关函数图；

根据所述自相关函数图以及所述偏自相关函数图，确定所述第二预测模型的最优参数，所述最优参数至少包括自回归项系数和移动平均项系数；

基于所述第二预测模型的最优参数构建所述第二预测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述自相关函数图以及所述偏自相关函数图，确定所述第二预测模型的最优参数，包括：

根据所述自相关函数图的截尾以及所述偏自相关函数图的拖尾，确定所述第二预测模型的相关参数集；

基于预设信息准则，从所述相关参数集中选取最优参数。