[发明专利]基于GPB算法的运维多模态决策方法、系统及云端服务器

权利要求书

1.一种基于GPB算法的运维多模态决策方法，其特征在于，所述方法包括：

采集多个运维系统内的第一时刻到第二时刻间的模态数据和多个第三时刻到第四时刻间的模态数据，其中，所述第一时刻、所述第二时刻、所述第三时刻和第四时刻沿时间轴顺次排列；

根据所述运维系统内的第一时刻到第二时刻间的模态数据和所述第三时刻到第四时刻间的模态数据之间的映射关系，对所述运维系统内的第一时刻到第二时刻间的模态数据和所述第三时刻到第四时刻间的模态数据进行数据融合，得到对应的运维模态数据集；

将数据融合不匹配的所述第三时刻到第四时刻间的模态数据确定为无效模态数据；

基于所述运维模态数据，更新所述运维系统的运维模态，所述运维模态包括多个模态；

其中，采集多个运维系统内的第一时刻到第二时刻间的模态数据的步骤，包括：

获取所述运维系统内的至少四组第一时刻到第二时刻间的模态数据组合；

获取所述至少四组第一时刻到第二时刻间的模态数据组合之间的第一时刻到第二时刻间的模态数据组合匹配度和组合关联度；

基于所述第一时刻到第二时刻间的模态数据组合匹配度和所述组合关联度，对所述至少四组第一时刻到第二时刻间的模态数据组合进行组合，得到所述运维系统内的第一时刻到第二时刻间的模态数据；

其中，根据所述运维系统内的第一时刻到第二时刻间的模态数据和第三时刻到第四时刻模态数据之间的映射关系，对所述运维系统内的第一时刻到第二时刻间的模态数据和第三时刻到第四时可模态数据进行数据融合，得到对应的运维模态数据集的步骤，包括：

将所述运维系统内的第一时刻到第二时刻间的模态数据确定为模态系统中的第一模态数据，将所述运维系统内的第三时刻到第四时刻模态数据确定为模态系统中的第二模态数据；

所述第二模态数据为所述运维系统内的目标实时监控数据中的数据组合；

将所述第一模态数据和第二模态数据件间的匹配度，确定为所述模态系统中的第三时刻到第四时刻间的模态数据与所述模态系统中的第一时刻到第二时刻间的模态数据之间的所述映射关系；

当所述映射关系在设定的范围内时，对所述模态系统中的第三时刻模态数据和所述模态系统中的第一时刻到第二时刻间的模态数据进行数据整合，得到所述运维模态数据集。

2.根据权利要求1所述的基于GPB算法的运维多模态决策方法，其特征在于，所述第四时刻为采样动作完成时刻。

3.根据权利要求2所述的基于GPB算法的运维多模态决策方法，其特征在于，采集多个运维系统内的第一时刻到第二时刻间的模态数据和多个第三时刻到第四时刻间的模态数据，包括：

获取所述运维系统内的至少四组第三时刻到第四时刻间的模态数据组合；

获取所述至少四组第三时刻到第四时刻间的模态数据组合之间的第三时刻到第四时刻间的模态数据组合匹配度和组合关联度；

基于所述第三时刻到第四时刻间的模态数据组合匹配度和所述组合关联度，对所述至少四组第三时刻到第三时刻间的模态数据组合进行组合，得到所述运维系统内的第三时刻到第四时刻间的模态数据。

4.根据权利要求2所述的基于GPB算法的运维多模态决策方法，其特征在于，至少四组运维模态数据集包括运维模态数据集ma，a为小于或等于至少四组运维模态数据集的终端数目的正整数。

5.根据权利要求4所述的基于GPB算法的运维多模态决策方法，其特征在于，所述至少四组运维模态数据集包括运维模态数据集ma包括：

对所述运维模态数据进行种类划分，得到划分特征；

对所述划分特征进行组合，得到运维模态数据集ma。

6.根据权利要求1所述的基于GPB算法的运维多模态决策方法，其特征在于，所述运维系统内的模态数据为利用Kalman算法对相应时间点进行状态估计获得的数据。