CN102801548A - 一种智能预警的方法、装置及信息系统 - Google Patents

Abstract

本发明适用于人工智能领域，提供了一种智能预警的方法、装置及信息系统，所述方法包括下述步骤：采集数据信息；判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；在所述数据信息存在异常时，进行预警处理。本发明可有效的提高数据信息预警的效率和准确率，降低数据信息预警分析和维护的成本。

Description

一种智能预警的方法、装置及信息系统

技术领域

本发明属于人工智能领域，尤其涉及一种智能预警的方法、装置及信息系统。

背景技术

在互联网操作过程中都会产生大量的数据信息，通常这些数据信息都能直接或者间接的反映出互联网操作过程中的各种动态、静态情况，通过对这些历史数据信息的综合分析判断，可以对互联网操作过程中将可能出现的问题进行提前预警，有利于及时采取应对措施，减少或者降低这些问题造成的损失。

然而，在现有的互联网操作中，还缺少一种行之有效的预警方式，现有的预警方式大多还是通过人工分析互联网的数据信息，然后依靠历史数据信息的统计规律对分析后的数据信息进行预警判断。这种预警方式单纯的依靠统计规律，没有考虑实际影响数据信息的影响因素，导致预警判断的错误率较高。而且，预警过程需要人工的参与，效率较低。

发明内容

本发明实施例的目的在于提供一种智能预警的方法，旨在解决现有互联网操作过程中的预警方式效率低，错误率高的问题。

本发明实施例是这样实现的，一种智能预警的方法，所述方法包括以下步骤：

采集数据信息；

判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；

在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；

在所述数据信息存在异常时，进行预警处理；

所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符。

本发明实施例的另一目的在于提供一种智能预警的装置，所述装置包括：

信息采集单元，用于采集数据信息；

第一判断单元，用于判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；

第二判断单元，用于在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；

信息处理单元，用于在所述数据信息存在异常时，进行预警处理；

所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符。

本发明实施例的再一目的在于提供一种包括所述智能预警装置的信息系统。

在本发明实施例中，通过预设的预警模型中对应的预警公式对采集的数据信息进行预警处理，由于所述预警公式能够准确的反应出数据信息的变化情况，从而提高了数据信息预警的准确率，可有效防止互联网操作过程中可能出现的问题。而且在预警处理的过程中，不需要人工的参与，有效的提高了数据信息预警的效率和准确率，降低数据信息预警分析和维护的成本。

附图说明

图1是本发明实施例一提供的智能预警方法的实现流程图；

图2是本发明实施例二提供的智能预警方法的实现流程图；

图3是本发明实施例二提供的建立预警模型的具体流程图；

图4是本发明实施例三提供的智能预警方法的实现流程图；

图5是本发明实施例四提供的智能预警装置的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过预设的预警模型中对应的预警公式对采集的数据信息进行预警处理，由于所述预警公式能够准确的反应出数据信息的变化情况，从而提高了数据信息预警的准确率，可有效防止互联网操作过程中可能出现的问题。而且在预警处理的过程中，不需要人工的参与，有效的提高了数据信息预警的效率，降低数据信息预警分析和维护的成本。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明实施例一提供的智能预警方法的实现流程，该方法过程详述如下：

在步骤S101中，采集数据信息；

在本实施例中，所述数据信息包括但不局限于数据名、数据类型、影响因子以及所述影响因子对应的数据量。其中，所述影响因子是指影响数据信息变化的影响因素，所述数据类型用于进一步细分数据信息，例如：某网站访问量的数据信息，在数据类型为地区时，可以将该数据信息进一步细分为该网站广东地区访问量的数据信息、该网站江苏地区访问量的数据信息等。

在步骤S102中，判断预设的预警模型中是否存在与所述数据信息对应的预警公式，如果判断结果为“是”，则执行步骤S104，如果判断结果为“否”，则执行步骤S103；

在本实施例中，预设的预警模型包括多个多参数的预警公式，所述预警公式与多个影响因子有关，能够准确的反应出数据信息的变化情况，从而对数据信息作出准确的预警判断。其中，每个预警公式都携带有一个与相应数据信息对应的唯一标识符(例如：所述唯一标识符可以为数据名或者数据名+数据类型等)。系统根据该对应关系，在预测模型中查找与所述采集的数据信息相对应的预警公式，例如：如果采集到某网站访问量的数据信息，在预测模型中查找与该网站访问量对应的预警公式，如果采集到的某网站访问量的数据信息还根据数据类型划分为该网站广东地区访问量的数据信息和该网站江苏地区访问量的数据信息，还需要在预警模型中查找是否存在与该网站广东地区访问量的数据信息和该网站江苏地区访问量的数据信息对应的预警公式。如果查找到与所述采集的数据信息相对应的预警公式，则执行步骤S104，否则执行步骤S103。

在步骤S103中，在所述预警模型中不存在与所述数据信息对应的预警公式时，将所述数据信息直接存储至历史数据库中；

在本实施例中，所述历史数据库可用于存储一段时间内互联网操作过程中产生的所有历史数据信息。其中，所述时间段的长短可由用户根据系统的实际性能设定。另外，在所述历史数据库中还存在一个新的划分区，用来专门存储和新类型数据信息相关的所有信息。

在步骤S104中，在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；

在本实施例中，在所述预警模型中存在与所述数据信息对应的预警公式时，通过该对应的预警公式对所述采集的数据信息进行预警处理，即通过所述对应的预警公式判断所述数据信息是否存在异常。其中，所述异常是指所述数据信息预警处理的结果大于或者等于预设的阈值，或者所述结果不在预设的范围之内。而所述预设的阈值或者预设的范围可由用户根据实际情况设定。

为了提高预警的效率，在采集到的数据信息包含多种数据类型的数据信息时，可以同时查找多个与所述数据信息对应的预警公式来处理，例如：在采集到的某网站访问量的数据信息根据数据类型划分为该网站广东地区访问量的数据信息和该网站江苏地区访问量的数据信息，可以同时在预警模型中查找与该网站访问量的数据信息、该网站广东地区访问量的数据信息和该网站江苏地区访问量的数据信息相对应的预警公式来处理。而且，还可以根据实际需要通过改变预警公式的参数来升级所述预警公式，有效的增强了预警模型的灵活性和实用性，降低了数据信息预警的成本。

在步骤S105中，在所述数据信息存在异常时，进行预警处理。

在本实施例中，所述预警处理的方式包括但不限于系统通过有线或者无线的方式向管理者发送短信或者邮件通知。

作为本发明的另一实施例，所述方法在步骤S105之后，还包括以下步骤：

输出所述数据信息异常的具体信息。

在本实施例中，所述具体信息包括但不限于影响所述数据信息异常的主要原因，管理者可根据影响所述数据信息异常的主要原因采取有效的应对措施，减少异常造成的损失。

实施例二：

图2示出了本发明实施例二提供的智能预警方法的实现流程，该方法过程详述如下：

在步骤S201中，从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型，预警模型包含多个多参数的预警公式。

在本实施例中，所述历史数据信息包括但不局限于数据名、数据类型、目标因子、目标因子对应的数据量、影响因子以及影响因子对应的数据量。其中，所述目标因子为反映数据信息变化特征的主要因子。从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型的具体步骤如图3所示：

在步骤S301中，从历史数据库中提取预存的历史数据信息。

在本实施例中，根据预设的提取规则提取历史数据库中不同的历史数据信息。其中，预设的提取规则包括但不局限于按时间提取或/和按数据类型提取。

在步骤S302中，获取所述历史数据信息中的目标因子和影响因子。

在本实施例中，获取所述提取的每个历史数据信息中的目标因子和影响因子。

在步骤S303中，根据所述历史数据信息，确定所述目标因子与影响因子之间的函数关系式。

在本实施例中，根据所述获取的目标因子和影响因子，建立所述目标因子与影响因子之间的函数关系式，所述函数关系式包含多个未知参数。根据所述历史数据信息，例如：目标因子的数据量以及影响因子的数据量，通过线性或者非线性数据拟合的方式确定所述函数关系式中未知参数的值。当然，也可以采用其他的方式确定所述函数关系式中未知参数的值，例如：采用灰色理论模型等。

作为本发明的一个实施例，所述方法还包括对所述历史数据信息中的影响因子进行筛选，获取影响数据量的关键影响因子，建立所述目标因子与关键影响因子之间的函数关系式。

在步骤S304中，将确定的函数关系式作为与所述数据信息对应的预警公式，并建立包含多个预警公式的预警模型。

在本实施例中，将确定参数值的函数关系式作为与所述数据信息对应的预警公式，并建立包含多个预警公式的预警模型。其中，每个预警公式都携带有一个唯一标识符，每一个唯一标识符与一个数据信息相对应。所述预警模型为包含多个预警公式的列表。

在步骤S202中，采集数据信息。

在步骤S203中，判断预设的预警模型中是否存在与所述数据信息对应的预警公式，如果判断结果为“是”，则执行步骤S205，如果判断结果为“否”，则执行步骤S204；

在步骤S204中，在所述预警模型中不存在与所述数据信息对应的预警公式时，将所述数据信息直接存储至历史数据库中；

在步骤S205中，在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常。

在步骤S206中，在所述数据信息存在异常时，进行预警处理。

作为本发明的一个实施例，为了进一步增强预警模型的灵活性和实用性，在历史数据库新的划分区接收到新数据类型的数据信息时(例如：某网站西藏地区访问量的数据信息)，说明所述预警模型中不存在与所述数据类型的数据信息对应的预警公式时，则单独对该数据类型的数据信息进行统计、分析，建立与该数据类型的数据信息对应的预警公式，并将所述预警公式增加进预警模型中，以便于下次在采集到该数据类型的数据信息时能有效进行预警处理。

本实施例还包括在所述预警模型中的预警公式不能准确的进行预警时，重新提取历史数据库中新的历史数据作为训练样本，通过重新的统计、分析以及数据拟合(或者其他方式)，建立新的预警模型。

举例说明上述过程：以某网站的访问人数为例，统计过去一个月该网站每天的访问人数S(目标因子)，并分析出影响网站访问人数的关键因素，即关键影响因子。其中，关键影响因子采用灰色理论中的关联度分析法获取，假设通过关联度分析法获取的关键影响因子为X、Y、Z，建立目标因子与关键影响因子之间的函数关系式S＝a×X+b×Y+c×Z+d，再获取目标因子和关键影响因子对应的数据量，通过matlab中的plotfit函数进行数据拟合或者通过灰色理论的GM(1，N)模型(1表示目标因子S，N表示关键影响因子的个数)，确定函数关系式中参数的值a＝1、b＝2、c＝3、d＝4。则预警公式为S＝1×X+2×Y+3×Z+4，根据所述预警公式对当天该网站的访问人数进行预算，如果预算得到的访问人数大于或者等于预设的阈值(例如：10000人)，则进行预警处理，即向网站管理员发送短信或者邮件，通知网站访问人数将达到预设的阈值，管理员可根据所述通知，提前采取应对措施来保证网站服务器的稳定性，有效避免该网站因访问人数过多造成服务器崩溃带来的损失。

当该网站由于做了大量的宣传活动，使得网站每天的访问人数大量增加时，为了保证预警的准确性，需要重新获取新的历史数据，并根据该数据重新进行数据拟合，获取新的预警公式参数来升级所述预警公式。

实施例三：

图4示出了本发明实施例三提供的智能预警方法的实现流程，该方法过程详述如下：

在步骤S401中，采集数据信息。

在步骤S402中，解析并格式标准化所述采集的数据信息。

在本实施例中，解析所述采集的数据信息，根据预设的过滤规则过滤所述采集的数据信息中与预警处理无关的信息，例如：重复数据等。其中，所述过滤规则是根据预警模型建立时所需要的信息设置的。所述格式标准化数据信息是指对非标准化或者不符合预设规范的数据信息的数据类型以及数据量的单位等进行转换，使其格式标准化或者符合预设规范。

在步骤S403中，对格式标准化后的数据信息进行分类。

在本实施例中，为了方便预警模型同时处理多种不同类型的数据信息，提高数据信息预警的效率和准确率，对格式标准化后的数据信息按照数据类型或者其他的方式进行分类。

在步骤S404中，在所述预警模型中存在与所述分类后的数据信息对应的预警公式时，通过所述对应的预警公式判断所述分类后的数据信息是否存在异常。

在本实施例中，将预先存储在历史数据库中某一时间段的历史数据信息提取出来作为训练样本，通过对所述训练样本的统计和分析，建立包含多个多参数预警公式的预警模型，所述预警模型对分类后输入的数据信息进行类型判断后，选择对应的预警公式对所述数据信息进行预警处理，根据预警处理的结果判断所述数据信息是否存在异常。

在步骤S405中，在所述数据信息存在异常时，进行预警处理。

在本发明实施例中，通过解析并格式标准化所述采集的数据信息以及预设的过滤规则，可有效过滤掉预警处理过程中无关的信息，并规范采集的数据信息。对格式标准化后的数据信息进行分类，通过预设的预警模型处理分类后的数据信息，可进一步提高数据信息预警的效率和准确率。

实施例四：

图5示出了本发明实施例四提供的智能预警装置的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。

该智能预警装置可以是运行于各种信息系统的软件单元、硬件单元或者软硬件相结合的单元，也可以作为独立的挂件集成到这些信息系统中。

该智能预警装置包括信息采集单元51、第一判断单元52、第二判断单元53和信息处理单元54。其中，各单元的具体功能如下：

信息采集单元51，用于采集数据信息；

在本实施例中，所述数据信息包括但不局限于数据名、数据类型、影响因子以及所述影响因子对应的数据量。其中，所述影响因子是指影响数据信息变化的影响因素，所述数据类型用于进一步细分数据信息。

第一判断单元52，用于判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；

第二判断单元53，用于在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；其中，所述第二判断单元53还包括信息处理模块531、信息分类模块532以及信息判断模块533，各模块具体功能如下：

信息处理模块531，用于解析并格式标准化所述采集的数据信息；

信息分类模块532，用于对格式标准化后的数据信息进行分类；

信息判断模块533，用于在所述预警模型中存在与所述分类后的数据信息对应的预警公式时，通过所述对应的预警公式判断所述分类后的数据信息是否存在异常。

在本实施例中，各模块的具体实施方式如上所述，在此不再赘述。

信息处理单元54，用于在所述数据信息存在异常时，进行预警处理。

在本实施例中，所述异常是指所述数据信息预警处理的结果大于或者等于预设的阈值，或者所述结果不在预设的范围之内。其中，所述预设的阈值或者预设的范围可由用户根据实际情况设定。所述预警处理的方式包括但不限于系统通过有线或者无线的方式向管理者发送短信或者邮件通知。

作为本发明的另一实施例，所述装置信息存储单元55，用于在所述预警模型中不存在与所述数据信息对应的预警公式时，将所述数据信息存储至历史数据库。

作为本发明的另一实施例，所述装置还包括模型建立单元56，用于从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型，所述预警模型包括多个多参数预警公式。其中，所述模型建立单元56还包括信息提取模块561、获取模块562、关系式确定模块563以及模型建立模块564，其中：

信息提取模块561，用于从历史数据库中提取预存的历史数据信息；

获取模块562，用于获取所述历史数据信息中的目标因子和影响因子；

关系式确定模块563，用于根据所述历史数据信息，确定所述目标因子与影响因子之间的函数关系式；

模型建立模块564，用于将确定的函数关系式作为与所述数据信息对应的预警公式，并建立包含多个预警公式的预警模型。

在本实施例中，各模块的具体实施过程如上所述，在此不再赘述。

作为本发明的再一实施例，为了便于管理者快速了解异常出现的原因，根据所述原因采取有效的应对措施，减少异常造成的损失，所述装置还包括信息输出单元，用于输出所述数据信息异常的具体信息。

在本发明实施例中，通过解析并格式标准化所述采集的数据信息以及预设的过滤规则，可有效过滤掉预警处理过程中无关的信息，规范采集的数据信息。对格式标准化后的数据信息进行分类，通过预设的预警模型中对应的预警公式处理分类后的数据信息，由于所述预警公式能够准确的反应出数据信息的变化情况，从而提高了数据信息预警的准确率。而且，预警过程中不需要人工的参与就可实现数据信息的预警，有效的提高了数据信息预警的效率，降低了数据信息预警分析和维护的成本。同时，通过输出所述数据信息异常的具体信息，可方便快速的了解异常出现的原因，根据所述原因采取有效的应对措施，减少异常造成的损失。另外，预警模型中的预警公式可根据实际的需要进行增加、升级等处理，有效的增强了该预警模型的灵活性和实用性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种智能预警的方法，其特征在于，所述方法包括以下步骤：

采集数据信息；

判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；

在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；

在所述数据信息存在异常时，进行预警处理。

2.如权利要求1所述的方法，其特征在于，在采集数据信息的步骤之前，所述方法还包括以下步骤：

从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型，所述预警模型包括多个多参数的预警公式。

3.如权利要求2所述的方法，其特征在于，所述从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型的步骤具体为：

从历史数据库中提取预存的历史数据信息；

获取所述历史数据信息中的目标因子和影响因子；

根据所述历史数据信息，确定所述目标因子与影响因子之间的函数关系式；

将所述确定的函数关系式作为与所述数据信息对应的预警公式，并建立包含多个预警公式的预警模型。

4.如权利要求1所述的方法，其特征在于，所述在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常的步骤具体为：

解析并格式标准化所述采集的数据信息；

对格式标准化后的数据信息进行分类；

在所述预警模型中存在与所述分类后的数据信息对应的预警公式时，通过所述对应的预警公式判断所述分类后的数据信息是否存在异常。

5.如权利要求1所述的方法，其特征在于，所述预警处理的方式包括短信通知或者邮件通知。

6.一种智能预警的装置，其特征在于，所述装置包括：

信息采集单元，用于采集数据信息；

第一判断单元，用于判断预设的预警模型中是否存在与所述数据信息对应的预警公式，所述预警模型中的每个预警公式都携带有一个与数据信息对应的唯一标识符；

第二判断单元，用于在所述预警模型中存在与所述数据信息对应的预警公式时，通过所述对应的预警公式判断所述数据信息是否存在异常；

信息处理单元，用于在所述数据信息存在异常时，进行预警处理。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

模型建立单元，用于从历史数据库中提取预存的历史数据信息作为训练样本，根据所述训练样本建立预警模型，所述预警模型包括多个多参数的预警公式。

8.如权利要求7所述的装置，其特征在于，所述模型建立单元包括：

信息提取模块，用于从历史数据库中提取预存的历史数据信息；

获取模块，用于获取所述历史数据信息中的目标因子和影响因子；

关系式确定模块，用于根据所述历史数据信息，确定所述目标因子与影响因子之间的函数关系式；

模型建立模块，用于将确定的函数关系式作为与所述数据信息对应的预警公式，并建立包含多个预警公式的预警模型。

9.如权利要求6所述的装置，其特征在于，所述第二判断单元还包括：

信息处理模块，用于解析并格式标准化所述采集的数据信息；

信息分类模块，用于对格式标准化后的数据信息进行分类；

信息判断模块，用于在所述预警模型中存在与所述分类后的数据信息对应的预警公式时，通过所述对应的预警公式判断所述分类后的数据信息是否存在异常。

10.如权利要求6所述的装置，其特征在于，所述预警处理的方式包括短信通知或者邮件通知。

11.一种包含权利要求6至10任一项权利要求所述智能预警装置的信息系统。

Images