[发明专利]一种时序数据趋势预测方法、系统及相关装置

说明书

本申请提供一种时序数据趋势预测方法，包括：获取指标数据；利用小波分解所述指标数据，得到分量数据；所述分量数据包含高通分量和低通分量；将所述低通分量和各所述高通分量均输入预设时间序列预测分析系统进行预测，得到各所述分量数据对应的预测结果；合并各所述分量数据对应的预测结果，得到趋势预测结果。本申请利用小波分解的方式对指标数据进行分解，使得预设时间序列预测分析系统算法不仅能监测时序数据本身，还可以看到各个频段上的特征，同时对每个小波频带上的分量数据分别预测并合并，使得最终得到的预测结果更精准。本申请还提供一种时序数据趋势预测系统、计算机可读存储介质和电子设备，具有上述有益效果。

技术领域

本申请涉及数据监测领域，特别涉及一种时序数据趋势预测方法、系统及相关装置。

背景技术

随着云计算领域的快速发展，为了使云计算中的物理机与云主机的性能达到最佳，分析监控数据分析对机器性能调优具有指导意义。

当前对服务器的监控数据主要包括处理器，内存，存储，网络等性能数据，这些数据包含处理器使用率，内存使用率，网络吞吐量等时序性能数据。当前针对这些性能数据的预测方式主要采用基于机器学习的方法。基于机器学习的方法主要包含支持向量机(SVM)，人工神经网络(ANN)等方法，但主要应用于针对小样本问题，如果针对大规模数据量时，容易陷入局部最优解。

发明内容

本申请的目的是提供一种时序数据趋势预测方法、时序数据趋势预测系统及、计算机可读存储介质和电子设备，能够有效预测时序数据。

为解决上述技术问题，本申请提供一种时序数据趋势预测方法，具体技术方案如下：

获取指标数据；

利用小波分解所述指标数据，得到分量数据；所述分量数据包含高通分量和低通分量；

将所述低通分量和各所述高通分量均输入预设时间序列预测分析系统进行预测，得到各所述分量数据对应的预测结果；

合并各所述分量数据对应的预测结果，得到趋势预测结果。

可选的，所述获取指标数据包括：

每隔预设时间间隔从influxdb时序数据库中获取指标项的信息，并按照时间顺序排序得到指标数据。

可选的，获取指标数据之后，还包括：

利用最小二乘平滑滤波去除所述指标数据中的异常点。

可选的，利用最小二乘平滑滤波去除所述指标数据中的异常点包括：

确定所述指标数据的测量点；

确定滤波窗口的宽度，并采用(k-1)次多项式对所述滤波窗口内的数据点进行拟合，得到与所述宽度相同数量的方程，并构成k元线性方程组；其中，所述宽度为奇数，k为预设系数；

根据所述k元线性方程组的根确定拟合参数；

利用所述拟合参数去除所述指标数据中的异常点。

可选的，利用小波分解所述指标数据，得到分量数据包括：

根据低通分解滤波器和所述指标数据得到低频系数；

根据所述低频系数和所述低通重构滤波器得到低通分量；

根据高通分解滤波器和所述指标数据得到高频系数；

根据所述高频系数和所述高通重构滤波器得到高通分量。

可选的，合并各所述分量数据对应的预测结果，得到趋势预测结果包括：

叠加各所述分量数据对应的预测结果，得到趋势预测曲线。