[发明专利]一种基于Prophet的运维智能排班方法及装置

权利要求书

1.一种基于Prophet的运维智能排班方法，其特征在于，包括：

采集预设历史时间段内发生的系统告警数据；

对所述系统告警数据进行预处理，得到预处理后的系统告警数据；

将所述预处理后的系统告警数据存储至数据库；

基于所述预处理后的系统告警数据，拟合Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测；

按照预测的告警数量对所有系统进行逆序排序；

根据系统排名，对应相关系统运维负责人生成值班表。

2.根据权利要求1所述的方法，其特征在于，所述对所述系统告警数据进行预处理，得到预处理后的系统告警数据，包括：

对所述系统告警数据中的异常数据或缺失的数据进行丢弃处理，得到预处理后的系统告警数据。

3.根据权利要求2所述的方法，其特征在于，基于所述预处理后的系统告警数据，拟合Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测，包括：

基于待预测时间段超参数，对Prophet模型进行训练；

评估训练后的Prophet模型的预测结果与真实结果之间的误差；

基于所述误差加入影响预测结果的因素，并对训练后的Prophet模型的参数进行调整，得到调整后的Prophet模型；

基于所述预处理后的系统告警数据，采用调整后的Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测。

4.根据权利要求3所述的方法，其特征在于，所述根据系统排名，对应相关系统运维负责人生成值班表，包括：

根据系统排名，判断推荐的运维负责人是否满足值班预设条件，若是，则：

根据系统排名以及满足值班预设条件的运维负责人生成值班表。

5.根据权利要求4所述的方法，其特征在于，所述评估训练后的Prophet模型的预测结果与真实结果之间的误差，包括：

采用均方误差、均方根误差和平均绝对误差指标评估训练后的Prophet模型的预测结果与真实结果之间的误差。

6.一种基于Prophet的运维智能排班装置，其特征在于，包括：

数据采集模块，用于采集预设历史时间段内发生的系统告警数据；

数据预处理模块，用于对所述系统告警数据进行预处理，得到预处理后的系统告警数据；

数据入库模块，用于将所述预处理后的系统告警数据存储至数据库；

预测模块，用于基于所述预处理后的系统告警数据，拟合Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测；

排序模块，用于按照预测的告警数量对所有系统进行逆序排序；

生成模块，用于根据系统排名，对应相关系统运维负责人生成值班表。

7.根据权利要求6所述的装置，其特征在于，所述数据预处理模块在执行对所述系统告警数据进行预处理，得到预处理后的系统告警数据时，具体用于：

对所述系统告警数据中的异常数据或缺失的数据进行丢弃处理，得到预处理后的系统告警数据。

8.根据权利要求7所述的装置，其特征在于，所述预测模块在执行基于所述预处理后的系统告警数据，拟合Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测时，包括：

训练单元，用于基于待预测时间段超参数，对Prophet模型进行训练；

评估单元，用于评估训练后的Prophet模型的预测结果与真实结果之间的误差；

调整单元，用于基于所述误差加入影响预测结果的因素，并对训练后的Prophet模型的参数进行调整，得到调整后的Prophet模型；

预测单元，用于基于所述预处理后的系统告警数据，采用调整后的Prophet模型，对待预测时间段的告警数量以及目标系统在特定日期发生故障的概率进行预测。