[发明专利]一种业务数据异常诊断方法、装置、设备及存储介质

权利要求书

1.一种业务数据异常诊断方法，其特征在于，所述方法包括：

获取目标时间之前预设时段内的多个历史业务数据；

将各所述历史业务数据分别输入预先训练的数据上限预测模型、数据下限预测模型，由所述数据上限预测模型和所述数据下限预测模型分别输出上限预测值、下限预测值；

根据所述目标时间对应的真实业务数据、所述上限预测值以及所述下限预测值，确定所述目标时间对应的真实业务数据是否异常；

若所述目标时间对应的真实业务数据异常，则输出异常报警信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述历史业务数据输入预先训练的基准数据预测模型，由所述基准数据预测模型输出基准预测值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标时间对应的真实业务数据、所述上限预测值以及所述下限预测值，确定所述目标时间对应的真实业务数据是否异常，包括：

根据所述目标时间对应的真实业务数据、所述基准预测值、所述上限预测值、所述下限预测值以及阈值参数，确定所述目标时间对应的真实业务数据是否异常。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标时间对应的真实业务数据、所述基准预测值、所述上限预测值、所述下限预测值以及阈值参数，确定所述目标时间对应的真实业务数据是否异常，包括：

根据所述目标时间对应的真实业务数据以及所述基准预测值，计算第一偏差值；

根据所述上限预测值以及所述基准预测值，计算第二偏差值；

根据所述下限预测值以及所述基准预测值，计算第三偏差值；

根据所述第一偏差值、所述第二偏差值以及所述第三偏差值，确定所述目标时间对应的真实业务数据是否异常。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一偏差值、所述第二偏差值以及所述第三偏差值，确定所述目标时间对应的真实业务数据是否异常，包括：

计算所述第一偏差值与所述第二偏差值的第一比值，以及，所述第一偏差值与所述第三偏差值的第二比值；

若所述第一比值大于所述阈值参数，或，所述第二比值大于所述阈值参数，则确定所述目标时间对应的真实业务数据存在异常。

6.根据权利要求1所述的方法，其特征在于，所述将各所述历史业务数据分别输入预先训练的数据上限预测模型、数据下限预测模型之前，所述方法还包括：

根据所述历史业务数据构建多个训练样本，其中，所述训练样本包括样本特征和所述样本特征对应样本标签；

将各所述训练样本分别输入初始基准数据预测模型，在满足第一训练停止条件时，训练得到基准数据预测模型；

将各所述训练样本分别输入所述基准数据预测模型，得到各所述训练样本对应的基准预测值；

将第一训练样本输入初始数据上限预测模型，在满足第二训练停止条件时，训练得到所述数据上限预测模型，所述第一训练样本为所述训练样本中对应的基准预测值小于所述训练样本对应的样本标签的训练样本；

将第二训练样本输入初始数据下限预测模型，在满足第三训练停止条件时，训练得到所述数据下限预测模型，所述第二训练样本为所述训练样本中除所述第一训练样本之外的训练样本。

7.根据权利要求6所述的方法，其特征在于，所述根据所述历史业务数据构建多个训练样本之后，所述方法还包括：

将各所述训练样本分别输入初始数据清洗模型中，在满足第四训练停止条件时，训练得到数据清洗模型；

将各所述训练样本分别输入所述数据清洗模型，得到各所述训练样本对应的预测值；

根据各所述训练样本的样本标签以及预测值，得到各所述训练样本对应的偏离度；

根据各所述训练样本对应的偏离度以及预设清洗条件，从各所述训练样本中筛选出第三训练样本；

所述将各所述训练样本分别输入初始基准数据预测模型，在满足第一训练停止条件时，训练得到基准数据预测模型，包括：

将所述第三训练样本输入所述初始基准数据预测模型，在满足所述第一训练停止条件时，训练得到所述基准数据预测模型。