[发明专利]业务系统的日切时段确定、数据差错识别方法及装置

权利要求书

1.一种业务系统的日切时段确定方法，其特征在于，包括：

获取待确定的业务系统预设历史天数内的每日日切时段；

将所有每日日切时段输入至预设的演化预测模型，得到当日日切时段；其中，

所述演化预测模型基于演化算法得到。

2.根据权利要求1所述的业务系统的日切时段确定方法，其特征在于，所述演化预测模型的建立步骤，包括：

根据待确定的业务系统预设历史天数内的每日日切时段生成初始种群；

对所述初始种群进行演化生成次代种群；

执行迭代操作，对当前次代种群进行演化生成更新的次代种群，直至当前次代种群中最优个体的适应值小于设定阈值或者迭代达到设定次数；

从最终更新的次代种群中选取最优个体，形成所述演化预测模型。

3.根据权利要求2所述的业务系统的日切时段确定方法，其特征在于，所述初始种群包括多个个体，生成初始种群中各个体的步骤包括：

根据每日日切时段与基准日切时段的日切时差，结合可选取的运算符随机生成初始种群的个体。

4.根据权利要求2所述的业务系统的日切时段确定方法，其特征在于，所述次代种群包括多个次代个体，所述对所述初始种群进行演化生成次代种群，包括：

针对所述初始种群中任意两个个体，交换至少一个设定位置或随机位置运算符，形成两个所述次代个体；和/或，

针对所述初始种群中每个个体，随机变换至少一个设定位置或随机位置运算符，形成所述次代个体。

5.一种跨业务系统的跨日切业务处理数据差错识别方法，其特征在于，包括：

获取每个业务系统预设历史天数内的每日日切时段；

将每个业务系统预设历史天数内的每日日切时段输入至预设的演化预测模型，所述演化预测模型输出当日日切时段；

根据时长最大的当日日切时段、每个业务系统的业务处理响应最大时长以及每个业务系统的当日日切时段生成各业务系统的跨日切业务处理可能发生时段；

从所有差错数据中识别并剔除在各业务系统的跨日切业务处理可能发生时段内产生的业务处理数据；其中，

所述演化预测模型基于演化算法得到。

6.根据权利要求5所述的跨日切业务处理数据差错识别方法，其特征在于，所述根据时长最大的当日日切时段、每个业务系统的业务处理响应最大时长以及每个业务系统的当日日切时段生成各业务系统的跨日切业务处理可能发生时段，包括：

计算每个业务系统与当日日切时段最长的业务系统的时间差；

根据每个业务系统的业务处理响应最大时长结合对应的所述时间差生成各业务系统的跨日切业务处理可能发生时段。

7.根据权利要求5所述的跨日切业务处理数据差错识别方法，其特征在于，所述演化预测模型的建立步骤，包括：

根据待确定的业务系统预设历史天数内的每日日切时段生成初始种群；

对所述初始种群进行演化生成次代种群；

执行迭代操作，对当前次代种群进行演化生成更新的次代种群，直至当前次代种群中最优个体的适应值小于设定阈值或者迭代达到设定次数；

从最终更新的次代种群中选取最优个体，形成所述演化预测模型。

8.根据权利要求7所述的跨日切业务处理数据差错识别方法，其特征在于，所述初始种群包括多个个体，生成初始种群中各个体的步骤包括：

根据每日日切时段与基准日切时段的日切时差，结合可选取的运算符随机生成初始种群的个体。

9.根据权利要求7所述的跨日切业务处理数据差错识别方法，其特征在于，所述次代种群包括多个次代个体，所述对所述初始种群进行演化生成次代种群，包括：

针对所述初始种群中任意两个个体，交换至少一个设定位置或随机位置运算符，形成两个所述次代个体；和/或，

针对所述初始种群中每个个体，随机变换至少一个设定位置或随机位置运算符，形成所述次代个体。