[发明专利]基于大数据和机器学习的智能运维方法

权利要求书

1.一种基于大数据和机器学习的智能运维方法，其特征在于，包括以下有效步骤：

a、首先通过运维监控工具获取机电设备的关键性能指标的历史数据；

b、以时间点为横坐标、以关键性能数据为纵坐标构件关键性能指标的线性图；

c、根据b步骤所得到的线性图，标记出关键性能指标中的正常数据部分和异常数据部分；

d、将筛选出来的正常数据部分作为特征信号，并对特征信号进行排列熵计算，使其作为异常数据部分的向量；

e、将排列熵计算的结果带入分类器内进行训练，得到机器学习模型；

f、将新产生的关键性能指标的数据导入到机器学习模型内，即可获知是否异常。

2.根据权利要求1所述的基于大数据和机器学习的智能运维方法，其特征在于，还包括以下步骤：

g、将机电设备所有可能发生的故障的关键性能指标进行排列熵计算，形成故障特征向量；

h、将得到的故障特征向量高斯核支持向量机作为基础的训练模型内进行训练，得到机器学习模型；

i、将得到的异常关键性能指标的数据导入机器学习模型，获取故障原因。

3.根据权利要求2所述的基于大数据和机器学习的智能运维方法，其特征在于，所述d步骤中，采用过采样和随机采样混合的方法对正常数据部分和异常数据部分进行不平衡处理。

4.根据权利要求2所述的基于大数据和机器学习的智能运维方法，其特征在于，所述e步骤中，所述机器学习模型为BP神经网络模型。