[发明专利]获取KPI异常数据样本的方法、装置和计算机设备

权利要求书

1.一种获取关键性能指标KPI异常数据样本的方法，其特征在于，包括：

获取预设时间段的关键性能指标KPI数据，所述关键性能指标KPI数据为时间序列数据类型的数据，每一条关键性能指标KPI数据包括多个数据点，且按时间顺序每一单位时间对应一所述数据点；

将所述关键性能指标KPI数据进行异常检测，得到对应的潜在异常数据点，以所述潜在异常数据点为终点，按时间顺序回溯截取一指定片段的关键性能指标KPI数据作为候选关键性能指标KPI异常数据；

对所述候选关键性能指标KPI异常数据与预设的已知关键性能指标KPI异常数据进行调整，以使所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据所对应的时间长度一致；

对调整后的所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据中的对应数据点进行相似距离计算得到多个规整路径距离，所述规整路径距离为调整后的所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据中所有相似数据点的距离之和；

依据各所述规整路径距离判断所述候选关键性能指标KPI异常数据是否为关键性能指标KPI异常数据；

若是，则将所述候选关键性能指标KPI异常数据标记成关键性能指标KPI异常数据，以作为训练智能关键性能指标KPI异常识别模型的样本；

所述将所述关键性能指标KPI数据进行异常检测，得到对应的潜在异常数据点的步骤，包括：

将所述关键性能指标KPI数据进行预处理，得到标准化的关键性能指标KPI数据；

对标准化后的所述关键性能指标KPI数据进行特征提取，得到对应各数据点的特征信息；

将所述特征信息通过预设的孤立森林算法计算，得到所述特征信息对应的特征分数；

将所述特征分数与预设的第一阈值进行比较，当所述特征分数超过所述第一阈值，则将所述特征分数对应的数据点作为所述潜在异常数据点，否则，将所述特征分数对应的数据点作为正常数据点；

所述对调整后的所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据中的对应数据点进行相似距离计算得到多个规整路径距离的步骤，包括：

依据所述候选关键性能指标KPI异常数据以及所述已知关键性能指标KPI异常数据中的各个数据点找出多个规整路径，其中，所述规整路径表示为w_k表示第k步路径，且max(|X|,|Y|)≤k≤|X|+|Y|，X为所述候选关键性能指标KPI异常数据的实际时间长度，Y为所述已知关键性能指标KPI异常数据的实际时间长度，k为所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据调整后的时间长度，w_k＝(i,j)表示所述候选关键性能指标KPI异常数据的时间序列中第i个数据点与所述已知关键性能指标KPI异常数据时间序列中第j个点构成第k步路径；

按照各规整路径分别计算出对应的数据点的距离之和，得到各规整路径距离。

2.根据权利要求1所述的获取关键性能指标KPI异常数据样本的方法，其特征在于，所述关键性能指标KPI数据的数据点为数值，所述数值用于代表预设指标，所述对标准化后的所述关键性能指标KPI数据进行特征提取，得到对应各数据点的特征信息的步骤，包括：

获取所述关键性能指标KPI数据对应的历史数据，所述历史数据为按时间顺序处于所述预设时间段之前的关键性能指标KPI数据；

将所述历史数据输入至预设的时间序列预测模型进行计算，得到对应所述预设时间段的预测关键性能指标KPI数据；

将所述预测关键性能指标KPI数据与所述标准化后的关键性能指标KPI数据中的各个数据点进行对比，得到各所述数据点的实际值与预测值之间的绝对差；

以所述绝对差作为各所述数据点的特征信息。

3.根据权利要求1所述的获取关键性能指标KPI异常数据样本的方法，其特征在于，所述按照各规整路径分别计算出对应的数据点的距离之和，得到各规整路径距离的步骤，包括：

按照各所述规整路径依次计算所述候选关键性能指标KPI异常数据与所述已知关键性能指标KPI异常数据的数据点距离；

当所述数据点距离大于第二阈值，则停止计算当前的所述规整路径，并获取下一所述规整路径重新计算，直至按照所有所述规整路径全部计算完毕，得到各所述规整路径距离。