CN108880931A - 用于输出信息的方法和装置 - Google Patents

用于输出信息的方法和装置 Download PDF

Info

Publication number
CN108880931A
CN108880931A CN201810529012.1A CN201810529012A CN108880931A CN 108880931 A CN108880931 A CN 108880931A CN 201810529012 A CN201810529012 A CN 201810529012A CN 108880931 A CN108880931 A CN 108880931A
Authority
CN
China
Prior art keywords
difference
detection data
detection
history
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810529012.1A
Other languages
English (en)
Other versions
CN108880931B (zh
Inventor
王博
陈宇
王天奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810529012.1A priority Critical patent/CN108880931B/zh
Publication of CN108880931A publication Critical patent/CN108880931A/zh
Priority to US16/352,506 priority patent/US11169911B2/en
Application granted granted Critical
Publication of CN108880931B publication Critical patent/CN108880931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/04—Processing captured monitoring data, e.g. for logfile generation
    • H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3692—Test management for test results analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Debugging And Monitoring (AREA)
  • Complex Calculations (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取在目标时间段生成的至少一个检测数据；对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据；对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。该实施方式提高了表征检测数据的波动情况的准确性，以及提高了处理检测数据的灵活性。

Description

用于输出信息的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。
背景技术
在一些对特定对象(例如网站的访问量等)进行检测的场景中，分析检测数据是否异常至关重要。通常，这些检测数据是周期性平稳波动变化，因此当这些检测数据发生突变的时候，很可能出现了一些故障，及时发现这些异常可以减少故障带来的损失。目前有很多方法可以实现监控检测数据的异常波动，例如采用设置检测数据阈值来监控数据的异常波动，或者使用环比比较当前数据与历史同期的数据差异，从而判断当前的数据异常。
发明内容
本申请实施例提出了用于输出信息的方法和装置。
第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取在目标时间段生成的至少一个检测数据；对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据；对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在一些实施例中，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据，包括：获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数；基于所获取的参数，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。
在一些实施例中，基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布；确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值；基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在一些实施例中，基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：将所确定的分布偏差值的分布确定为正态分布；确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。
在一些实施例中，基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：将所确定的分布偏差值转换为预设的数值区间内的转换后数值；将所转换得到的转换后数值的分布确定为指数分布；确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。
在一些实施例中，在生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值之后，方法还包括：响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。
第二方面，本申请实施例提供了一种用于输出信息的装置，该装置包括：获取单元，被配置成获取在目标时间段生成的至少一个检测数据；计算单元，被配置成对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据；生成单元，被配置成对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在一些实施例中，计算单元包括：获取模块，被配置成获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数；计算模块，被配置成基于所获取的参数，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。
在一些实施例中，生成单元包括：第一确定模块，被配置成将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布；第二确定模块，被配置成确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值；生成模块，被配置成基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在一些实施例中，生成模块包括：第一确定子模块，被配置成将所确定的分布偏差值的分布确定为正态分布；第一输出子模块，被配置成确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。
在一些实施例中，生成模块包括：转换子模块，被配置成将所确定的分布偏差值转换为预设的数值区间内的转换后数值；第二确定子模块，被配置成将所转换得到的转换后数值的分布确定为指数分布；第二输出子模块，被配置成确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。
在一些实施例中，该装置还包括：输出单元，被配置成响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。
第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于输出信息的方法和装置，通过获取在目标时间段生成的至少一个检测数据，再对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据，然后确定在目标时间段中的检测时间点对应的目标差值和历史对应差值，基于所确定的目标差值和历史对应差值，生成及输出表征在检测时间点生成的检测数据的波动情况的数据波动值，从而提高了表征检测数据的波动情况的准确性，以及提高了处理检测数据的灵活性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于输出信息的方法的一个实施例的流程图；
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；
图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于输出信息的方法或用于输出信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有访问网络功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103访问的网络提供支持的后台网络管理服务器。后台网络管理服务器可以获取检测数据(例如用户通过终端设备访问网络而生成的访问量等数据)，对获取的检测数据进行处理，并将处理结果(例如表征检测数据的波动情况的数据波动值)输出。
需要说明的是，本申请实施例所提供的用于输出信息的方法一般由服务器105执行，相应地，用于输出信息的装置一般设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：
步骤201，获取在目标时间段生成的至少一个检测数据。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从远程或从本地获取在目标时间段生成的至少一个检测数据。其中，检测数据可以是在某一时间点对目标对象(例如某网站、某软件等)进行检测得到的检测数据(例如某网站的访问量、某软件的下载量等)。上述目标时间段可以是技术人员预设的多个时间段中的一个时间段，在每个时间段中，上述执行主体或其他电子设备可以按照预设的检测周期(例如一分钟)对上述目标对象进行检测，得到至少一个检测数据。上述执行主体可以从多个时间段中选取一个时间段作为目标时间段(例如距当前时间最近的时间段)。作为示例，假设上述多个时间段中的每个时间段的长度为30分钟，且每个时间段为整点至半点之间的30分钟，每分钟生成一个检测数据，则上述目标时间段可以是距当前时间最近的时间段。例如，当前时间为12:05，则目标时间段可以是11:30～12:00。
步骤202，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。
在本实施例中，基于步骤201中获取的至少一个检测数据，上述执行主体可以对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。其中，对于上述至少一个检测数据中的每个检测数据，该检测数据对应一个估计检测数据。具体地，上述执行主体可以基于现有的拟合计算方法(例如最小二乘法、迭代加权最小二乘法等)对上述至少一个检测数据进行拟合计算。
步骤203，对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在本实施例中，对于目标时间段中的检测时间点，上述执行主体可以首先确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值。通常，目标时间段可以包括预设数量个检测时间点，在每个检测时间点，上述执行主体或者其他电子设备可以对目标对象进行检测，生成检测数据。
然后，确定所确定的目标差值对应的至少一个历史对应差值。其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值。对应历史检测时间点可以是该检测时间点对应的历史同期时间点。作为示例，假设该检测时间点是2018年5月16日12时整，该检测时间点的对应历史检测时间点可以是过去的预设时长中的每天的12时整。假设预设时长为过去的30天，在过去的30天中的每天的12时整，上述执行主体或者其他电子设备可以对目标对象进行检测，生成检测数据，以及基于在对应历史检测时间点所处的历史时间段(例如11:30～12:00)内检测得到的检测数据进行拟合计算，得到检测数据对应的估计检测数据。最终可以得到30个历史对应差值。
最后，基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。其中，数据波动值可以用于表征该检测时间点生成的检测数据相比于对应的各个对应历史检测时间点生成的检测数据的波动情况，数据波动值越大，则表示检测时间点生成的检测数据相比于各个对应历史检测时间点生成的检测数据的波动程度越大。具体地，上述执行主体可以基于所确定的目标差值和所确定的至少一个历史对应差值，利用各种方法生成数据波动值。作为示例，可以计算该检测时间点的各个对应历史检测时间点生成的检测数据的均值，再将该检测时间点生成的检测数据与所计算的均值之差确定为该检测时间点对应的数据波动值。
上述执行主体可以将生成的该检测时间点对应的数据波动值以各种方式输出。例如，以表格、图形等方式显示在与上述执行主体连接的显示设备上。
经过执行上述步骤203，上述执行主体可以输出多个数据波动值，其中每个数据波动值对应一个检测时间点，通常，输出的数据波动值以曲线的形式显示在显示设备上，该曲线由多个数据波动值在预设坐标系中对应的点连接而成。
在本实施例的一些可选的实现方式中，对于目标时间段中的检测时间点，上述执行主体可以按照如下步骤，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值：
首先，将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布。
然后，确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值。通常，在呈正态分布的数据中，标准分数(又称z分数)可以表征一个数据偏离各数据的平均值的程度。标准分数由如下公式得到：
其中，z为标准分数，x为目标差值或历史对应差值，μ为目标差值和历史对应差值的均值，σ为目标差值和各历史对应差值的标准差。通过上述公式(1)的计算，可以得到目标差值和上述至少一个历史对应差值中的历史对应差值的分布偏差值。作为示例，分布偏差值可以记为εt，εt-T，εt-2T…，εt-kT，其中，t为当前的检测时间点，T为预设的周期(例如1天)，k为预设的整数(例如30)，k和T之积为预设时长(例如30天)，εt为目标差值的分布偏差值，εt-T，εt-2T…，εt-kT为各个历史对应差值的分布偏差值。实践中，由于目标差值和历史对应差值的变化范围较大，而生成的分布偏差值的变化范围小于目标差值和历史对应差值的变化范围，这样可以降低计算数据波动值的难度，提高计算效率，以及提高数据波动值生成的准确性。
最后，基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值：
首先，将所确定的分布偏差值的分布确定为正态分布。通常，当历史对应差值的数量较多时(例如历史对应差值的数量大于预设的数量阈值时)，由于正态分布能够较准确地表征分布偏差值的分布情况，因此，可以将所确定的分布偏差值的分布确定为正态分布。
然后，确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。本步骤计算标准分数的方法与上述应用公式(1)计算标准分数的方法相同，在此不再赘述。
在本实施例的一些可选的实现方式中，上述执行主体还可以按照如下步骤生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值：
首先，将所确定的分布偏差值转换为预设的数值区间内的转换后数值。通常，由于所确定的分布偏差值可能为负值，而指数分布下的随机变量为正值，因此，需要首先将分布偏差值进行转换。上述预设的数值区间可以是大于0的数值区间，也可以是大于某个正数的区间。作为示例，上述执行主体可以将每个分布偏差值与预设的数值相加，得到处于预设的数值区间的转换后数值。或者将每个分布偏差值在正态分布下的概率值取以10(或其他数值)为底的对数再取反，得到大于0的转换后数值。
然后，将所转换得到的转换后数值的分布确定为指数分布。通常，当历史对应差值的数量较少的时候，使用正态分布会导致数据波动值的计算不准确。因此，在历史对应差值的数量较少时(例如历史对应差值的数量小于等于预设的数量阈值时)，将所转换得到的转换后数值的分布确定为指数分布。
最后，确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。由指数分布的概率分布函数，可以得到转换后数值在指数分布下的概率值。指数分布的概率分布函数如下式所示：
其中，i为转换后数值的序号，m为转换后数值的数量，ε'i为转换后数值。F(ε'i)为转换后数值ε'i在指数分布下的概率值。通过上述公式(2)的计算，上述执行主体可以计算出目标差值对应的转换后数值在指数分布下的概率值作为该检测时间点对应的数据波动值。
可选地，由上述公式(2)可以看出，由于F(ε'i)与正相关，因此，可以将转换后数值ε'i对应的数据波动值确定为
继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先获取在目标时间段(例如2018年5月16日12:00～12:30)中的每分钟统计的某网站的访问量数据作为的至少一个检测数据302(即图中的x1～x30)。然后，服务器301对至少一个检测数据302进行拟合计算，得到目标时间段的估计检测数据303(即图中的y1～y30)。接着，服务器301确定在序号1对应的检测时间点(即12时1分)生成的检测数据x1与拟合计算出该检测时间点对应的估计检测数据y1的差值作为目标差值ε1(即图中的304)。再确定目标差值ε1对应的至少一个历史对应差值ε11～ε1N(即图中的305)，其中，预设的数值N为已过去的天数，ε11～ε1N为过去的N天中的每天12时1分生成的检测数据与估计检测数据的差值。再然后，服务器301基于目标差值ε1和至少一个历史对应差值ε11～ε1N，生成表征在该检测时间点生成的检测数据的波动情况的数据波动值f1。最终，服务器301计算得到目标时间段中的每个检测时间点对应的数据波动值f1～f30(即图中的306)。服务器进一步将生成的数据波动值在显示器307上以图形的形式显示。
本申请的上述实施例提供的方法通过获取在目标时间段生成的至少一个检测数据，再对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据，然后确定在目标时间段中的检测时间点对应的目标差值和历史对应差值，基于所确定的目标差值和历史对应差值，生成及输出表征在检测时间点生成的检测数据的波动情况的数据波动值，从而提高了表征检测数据的波动情况的准确性，以及提高了处理检测数据的灵活性。
进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：
步骤401，获取在目标时间段生成的至少一个检测数据。
在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。
步骤402，获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以从远程或从本地获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数。其中，历史检测数据可以是在目标时间段以前的时间段生成的检测数据，并且，历史检测数据所对应的目标对象可以与步骤401中获取的至少一个检测数据所对应的目标对象相同。例如历史检测数据和上述至少一个检测数据可以都是对某网站的访问量进行检测得到的检测数据。
通常，历史检测数据集合可以包括至少一个历史检测数据子集合，对于至少一个历史检测数据子集合中的每个历史检测数据子集合，该历史检测数据子集合对应一个历史时间段，该历史检测数据子集合包括的历史检测数据是在对应的历史时间段中对目标对象进行检测生成的检测数据。通常在对历史检测数据进行拟合计算时，可以分别对每个历史时间段对应的历史检测数据子集合包括的历史检测数据进行拟合计算，相应地，对各个历史检测数据子集合包括的历史检测数据进行拟合计算所采用的参数可以不同。上述至少一个历史检测数据子集合对应的各个历史时间段可以是目标时间段之前的、依次相邻的历史时间段，且各个依次相邻的历史时间段包括离目标时间段最近的历史时间段。
步骤403，基于所获取的参数，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。
在本实施例中，上述执行主体可以基于所获取的参数，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。实践中，上述执行主体可以采用IRLS(Iteratively Re-weighted Least Squares，迭代重加权最小二乘法)算法对每个历史时间段和目标时间段对应的至少一个检测数据进行拟合计算。该算法由如下损失函数表示：
其中，L为损失函数的函数值，函数值越小，表征拟合结果越接近实际情况。i为至少一个检测数据中的检测数据的序号，m为至少一个检测数据包括的检测数据的数量。yi为检测数据，xi为检测数据对应的表征检测时间点的数值，f(xi)为检测数据对应的估计检测数据，wi为用于调整检测数据与估计检测数据的差值的权重值。f(xi)通常可以确定为如下形式：
f(xi)＝kxi+b (4)
其中，k和b为待确定的参数。
在采用IRLS算法进行拟合计算时，通常需要设置权重w1～wm的初始值w10～wm0，通过多次迭代计算，调整参数k和b的值，以及按照公式wi＝1/|yi-kxi-b|更新各个权重值，最终得到拟合计算所采用的权重值、k的值和b的值。
作为一个示例，上述初始值w10～wm0可以设置为预设数值(例如“1”)，或者上述初始值w10～wm0可以设置为距离目标时间段最近的历史时间段所对应的进行拟合计算所使用的权重值，再进行迭代计算。需要说明的是，上述IRLS算法是目前广泛研究和应用的公知技术，对于确定该算法所使用的参数的方法，在此不再赘述。
作为另一示例，由于在拟合计算时，设置的权重值的初始值w10～wm0对拟合结果具有影响，因此，需要确定较合理的初始值w10～wm0。上述执行主体可以获取对上述至少一个历史检测数据子集合中的每个历史检测数据子集合继续拟合计算所采用的参数，以及基于所获取的参数，确定每个历史检测数据子集合对应的损失函数的函数值，选取最小的函数值对应的参数作为目标参数，将该目标参数包括的k值确定为k0。将k0代入如下公式：
L'i＝yi-k0xi (5)
其中，i＝1,2,3，…，m，i为目标时间段对应的至少一个检测数据的序号，m为至少一个检测数据包括的检测数据的数量，yi为检测数据，xi为检测数据对应的表征检测时间点的数值。经过上述公式(5)的计算，可以得到m个计算结果L'1～L'm，从m个计算结果中，确定中值作为参数b0的值。这里，为了使计算得到的b0的值满足使(yi-f(xi))2的值最小，通常需对参数b求导，进而计算出b0。而将L'1～L'm的中值确定为b0，即可满足使(yi-f(xi))2的值最小，这样可以简化计算步骤，降低计算权重值的初始值的时间复杂度。将k0和b0代入公式wi0＝1/|yi-k0xi-b0|，可以得到权重值的初始值w10～wm0。通过本示例得到的权重值的初始值w10～wm0，可以将权重值的初始值与对历史检测数据进行拟合计算所使用的参数产生联系，减小因手动选取权重值的初始值造成的计算误差，并且可以减小估计检测数据的突变，有助于提高最终得到的数据波动值的准确性。
步骤404，对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。
在本实施例的一些可选的实现方式中，在生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值之后，上述执行主体可以响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。其中，警告信息可以包括但不限于以下至少一种：声音信息、图像信息、文字信息等。通过输出警告信息，可以有助于技术人员尽快得知检测数据的异常情况。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400突出了对至少一个检测数据进行拟合计算的步骤。由此，本实施例描述的方案可以减小估计检测数据的突变，有助于提高最终得到的数据波动值的准确性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出信息的装置500包括：获取单元501，被配置成获取在目标时间段生成的至少一个检测数据；计算单元502，被配置成对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据；生成单元503，被配置成对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在本实施例中，获取单元501可以通过有线连接方式或者无线连接方式从远程或从本地获取在目标时间段生成的至少一个检测数据。其中，检测数据可以是在某一时间点对目标对象(例如某网站、某软件等)进行检测得到的检测数据(例如某网站的访问量、某软件的下载量等)。上述目标时间段可以是技术人员预设的多个时间段中的其中一个时间段，在每个时间段中，上述装置500或其他电子设备可以按照预设的检测周期(例如一分钟)对上述目标对象进行检测，得到至少一个检测数据。上述执行主体可以从多个时间段中选取一个时间段作为目标时间段(例如距当前时间最近的时间段)。
在本实施例中，基于获取单元501获取的至少一个检测数据，上述计算单元502可以对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。其中，对于上述至少一个检测数据中的每个检测数据，该检测数据对应一个估计检测数据。具体地，上述计算单元502可以基于现有的拟合计算方法(例如最小二乘法、迭代加权最小二乘法等)对上述至少一个检测数据进行拟合计算。
在本实施例中，对于目标时间段中的检测时间点，生成单元503可以首先确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值。通常，目标时间段可以包括预设数量个检测时间点，在每个检测时间点，上述装置500或者其他电子设备可以对目标对象进行检测，生成检测数据。
然后，确定所确定的目标差值对应的至少一个历史对应差值。其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值。对应历史检测时间点可以是该检测时间点对应的历史同期时间点。作为示例，假设该检测时间点是2018年5月16日12时整，该检测时间点的对应历史检测时间点可以是过去的预设时长中的每天的12时整。假设预设时长为过去的30天，在过去的30天中的每天的12时整，上述装置500或者其他电子设备可以对目标对象进行检测，生成检测数据，以及基于在对应历史检测时间点所处的历史时间段(例如11:30～12:00)内检测得到的检测数据进行拟合计算，得到检测数据对应的估计检测数据。最终可以得到30个历史对应差值。
最后，基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。其中，数据波动值可以用于表征该检测时间点生成的检测数据相比于对应的各个对应历史检测时间点生成的检测数据的波动情况，数据波动值越大，则表示检测时间点生成的检测数据相比于各个对应历史检测时间点生成的检测数据的波动程度越大。具体地，上述生成单元503可以基于所确定的目标差值和所确定的至少一个历史对应差值，利用各种方法生成数据波动值。作为示例，可以计算该检测时间点的各个对应历史检测时间点生成的检测数据的均值，再将该检测时间点生成的检测数据与所计算的均值之差确定为该检测时间点对应的数据波动值。
在本实施例的一些可选的实现方式中，计算单元可以包括：获取模块(图中未示出)，被配置成获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数；计算模块(图中未示出)，被配置成基于所获取的参数，对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据。
在本实施例的一些可选的实现方式中，生成单元可以包括：第一确定模块(图中未示出)，被配置成将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布；第二确定模块(图中未示出)，被配置成确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值；生成模块(图中未示出)，被配置成基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
在本实施例的一些可选的实现方式中，生成模块可以包括：第一确定子模块(图中未示出)，被配置成将所确定的分布偏差值的分布确定为正态分布；第一输出子模块(图中未示出)，被配置成确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。
在本实施例的一些可选的实现方式中，生成模块可以包括：转换子模块(图中未示出)，被配置成将所确定的分布偏差值转换为预设的数值区间内的转换后数值；第二确定子模块(图中未示出)，被配置成将所转换得到的转换后数值的分布确定为指数分布；第二输出子模块(图中未示出)，被配置成确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。
在本实施例的一些可选的实现方式中，上述装置500还可以包括：输出单元(图中未示出)，被配置成响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。
本申请的上述实施例提供的装置，通过获取在目标时间段生成的至少一个检测数据，再对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据，然后确定在目标时间段中的检测时间点对应的目标差值和历史对应差值，基于所确定的目标差值和历史对应差值，生成及输出表征在检测时间点生成的检测数据的波动情况的数据波动值，从而提高了表征检测数据的波动情况的准确性，以及提高了处理检测数据的灵活性。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、计算单元、生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取在目标时间段生成的至少一个检测数据的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取在目标时间段生成的至少一个检测数据；对至少一个检测数据进行拟合计算，得到目标时间段的估计检测数据；对于目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于输出信息的方法，包括：
获取在目标时间段生成的至少一个检测数据；
对所述至少一个检测数据进行拟合计算，得到所述目标时间段的估计检测数据；
对于所述目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
2.根据权利要求1所述的方法，其中，所述对所述至少一个检测数据进行拟合计算，得到所述目标时间段的估计检测数据，包括：
获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数；
基于所获取的参数，对所述至少一个检测数据进行拟合计算，得到所述目标时间段的估计检测数据。
3.根据权利要求1所述的方法，其中，所述基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：
将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布；
确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值；
基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
4.根据权利要求3所述的方法，其中，所述基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：
将所确定的分布偏差值的分布确定为正态分布；
确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。
5.根据权利要求3所述的方法，其中，所述基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值，包括：
将所确定的分布偏差值转换为预设的数值区间内的转换后数值；
将所转换得到的转换后数值的分布确定为指数分布；
确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。
6.根据权利要求1-5之一所述的方法，其中，在所述生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值之后，所述方法还包括：
响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。
7.一种用于输出信息的装置，包括：
获取单元，被配置成获取在目标时间段生成的至少一个检测数据；
计算单元，被配置成对所述至少一个检测数据进行拟合计算，得到所述目标时间段的估计检测数据；
生成单元，被配置成对于所述目标时间段中的检测时间点，确定在该检测时间点生成的检测数据与拟合计算出该检测时间点对应的估计检测数据的差值作为目标差值；确定所确定的目标差值对应的至少一个历史对应差值，其中，历史对应差值是该检测时间点的对应历史检测时间点的检测数据与估计检测数据的差值；基于所确定的目标差值和所确定的至少一个历史对应差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
8.根据权利要求7所述的装置，其中，所述计算单元包括：
获取模块，被配置成获取用于对历史检测数据集合中的历史检测数据进行拟合计算的参数；
计算模块，被配置成基于所获取的参数，对所述至少一个检测数据进行拟合计算，得到所述目标时间段的估计检测数据。
9.根据权利要求7所述的装置，其中，所述生成单元包括：
第一确定模块，被配置成将所确定的目标差值和所确定的至少一个历史对应差值的分布确定为正态分布；
第二确定模块，被配置成确定所确定的目标差值和所确定的至少一个历史对应差值中的历史对应差值在正态分布下的标准分数作为分布偏差值；
生成模块，被配置成基于所确定的目标差值的分布偏差值和所确定的至少一个历史对应差值中的历史对应差值的分布偏差值，生成及输出表征在该检测时间点生成的检测数据的波动情况的数据波动值。
10.根据权利要求9所述的装置，其中，所述生成模块包括：
第一确定子模块，被配置成将所确定的分布偏差值的分布确定为正态分布；
第一输出子模块，被配置成确定所确定的目标差值对应的分布偏差值在正态分布下的标准分数作为表征在该检测时间点检测的检测数据的波动情况的数据波动值及输出。
11.根据权利要求9所述的装置，其中，所述生成模块包括：
转换子模块，被配置成将所确定的分布偏差值转换为预设的数值区间内的转换后数值；
第二确定子模块，被配置成将所转换得到的转换后数值的分布确定为指数分布；
第二输出子模块，被配置成确定目标差值对应的转换后数值在指数分布下的概率值作为表征在该检测时间点生成的检测数据的波动情况的数据波动值及输出。
12.根据权利要求7-11之一所述的装置，其中，所述装置还包括：
输出单元，被配置成响应于确定所生成的数据波动值的绝对值大于预设波动阈值，输出预设的警告信息。
13.一种服务器，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201810529012.1A 2018-05-29 2018-05-29 用于输出信息的方法和装置 Active CN108880931B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810529012.1A CN108880931B (zh) 2018-05-29 2018-05-29 用于输出信息的方法和装置
US16/352,506 US11169911B2 (en) 2018-05-29 2019-03-13 Method and apparatus for performing a fitting calculation on test data and generating data fluctuation values

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810529012.1A CN108880931B (zh) 2018-05-29 2018-05-29 用于输出信息的方法和装置

Publications (2)

Publication Number Publication Date
CN108880931A true CN108880931A (zh) 2018-11-23
CN108880931B CN108880931B (zh) 2020-10-30

Family

ID=64335445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810529012.1A Active CN108880931B (zh) 2018-05-29 2018-05-29 用于输出信息的方法和装置

Country Status (2)

Country Link
US (1) US11169911B2 (zh)
CN (1) CN108880931B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286938A (zh) * 2019-07-03 2019-09-27 北京百度网讯科技有限公司 用于输出针对用户的评价信息的方法和装置
CN111310627A (zh) * 2020-02-07 2020-06-19 广州视源电子科技股份有限公司 传感装置的检测方法、装置和电子设备
CN111339156A (zh) * 2020-02-07 2020-06-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN111614634A (zh) * 2020-04-30 2020-09-01 腾讯科技（深圳）有限公司 流量检测方法、装置、设备及存储介质
CN113586961A (zh) * 2021-07-22 2021-11-02 北京山太公务机维修技术有限公司 一种飞机维修充氧方法、系统、终端及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906222B (zh) * 2021-02-20 2023-07-25 武汉钢铁有限公司 布料波动检测的方法及装置
RU2764389C1 (ru) * 2021-04-06 2022-01-17 Юрий Иванович Стародубцев Способ контроля многопараметрического объекта
CN113204493A (zh) * 2021-05-28 2021-08-03 中国工商银行股份有限公司 一种基于压力测试的性能评估方法及装置
CN113495845B (zh) * 2021-07-27 2022-09-13 拉扎斯网络科技（上海）有限公司 数据测试方法、装置、电子设备及存储介质
CN113641720A (zh) * 2021-08-17 2021-11-12 连连宝(杭州)信息技术有限公司 一种数据处理方法、装置、计算机设备及可读存储介质
CN113688124B (zh) * 2021-08-20 2023-10-31 广州虎牙科技有限公司 数据干扰消除方法及相关装置
CN113743040B (zh) * 2021-09-06 2024-03-08 海宁奕斯伟集成电路设计有限公司 测试方法、装置、电子设备以及可读存储介质
CN115225660B (zh) * 2022-05-20 2023-09-26 上海电气国轩新能源科技有限公司 储能系统中通信数据的处理方法、系统、设备和介质
CN116737554B (zh) * 2023-05-30 2023-12-22 内蒙古蒙嘟嘟科技服务有限公司 一种基于大数据的智能分析处理系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617512A (zh) * 2004-11-25 2005-05-18 中国科学院计算技术研究所 一种自适应网络流量预测和异常报警方法
US7257176B2 (en) * 2003-05-15 2007-08-14 Texas Instruments Incorporated Method of frequency and phase offset estimation using least square method in a burst receiver
CN104132753A (zh) * 2014-07-31 2014-11-05 中国水产科学研究院东海水产研究所 一种自然水体渔业养殖温度灾害智能预警方法
CN106845447A (zh) * 2017-02-19 2017-06-13 辽宁工程技术大学 一种工作面瓦斯浓度预测预警方法
CN107086944A (zh) * 2017-06-22 2017-08-22 北京奇艺世纪科技有限公司 一种异常检测方法和装置
WO2017206051A1 (zh) * 2016-05-31 2017-12-07 深圳市汇顶科技股份有限公司 用于检测压力的方法和装置
CN107508815A (zh) * 2017-08-30 2017-12-22 杭州安恒信息技术有限公司 基于网站流量分析预警方法及装置
CN108076019A (zh) * 2016-11-17 2018-05-25 北京金山云网络技术有限公司 基于流量镜像的异常流量检测方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10031796B1 (en) * 2011-01-31 2018-07-24 Open Invention Network, Llc System and method for trend estimation for application-agnostic statistical fault detection
US10025700B1 (en) * 2012-07-18 2018-07-17 Sentient Technologies (Barbados) Limited Data mining technique with n-Pool evolution

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257176B2 (en) * 2003-05-15 2007-08-14 Texas Instruments Incorporated Method of frequency and phase offset estimation using least square method in a burst receiver
CN1617512A (zh) * 2004-11-25 2005-05-18 中国科学院计算技术研究所 一种自适应网络流量预测和异常报警方法
CN104132753A (zh) * 2014-07-31 2014-11-05 中国水产科学研究院东海水产研究所 一种自然水体渔业养殖温度灾害智能预警方法
WO2017206051A1 (zh) * 2016-05-31 2017-12-07 深圳市汇顶科技股份有限公司 用于检测压力的方法和装置
CN108076019A (zh) * 2016-11-17 2018-05-25 北京金山云网络技术有限公司 基于流量镜像的异常流量检测方法及装置
CN106845447A (zh) * 2017-02-19 2017-06-13 辽宁工程技术大学 一种工作面瓦斯浓度预测预警方法
CN107086944A (zh) * 2017-06-22 2017-08-22 北京奇艺世纪科技有限公司 一种异常检测方法和装置
CN107508815A (zh) * 2017-08-30 2017-12-22 杭州安恒信息技术有限公司 基于网站流量分析预警方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286938A (zh) * 2019-07-03 2019-09-27 北京百度网讯科技有限公司 用于输出针对用户的评价信息的方法和装置
CN111310627A (zh) * 2020-02-07 2020-06-19 广州视源电子科技股份有限公司 传感装置的检测方法、装置和电子设备
CN111339156A (zh) * 2020-02-07 2020-06-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN111339156B (zh) * 2020-02-07 2023-09-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN111310627B (zh) * 2020-02-07 2024-01-30 广州视源电子科技股份有限公司 传感装置的检测方法、装置和电子设备
CN111614634A (zh) * 2020-04-30 2020-09-01 腾讯科技（深圳）有限公司 流量检测方法、装置、设备及存储介质
CN111614634B (zh) * 2020-04-30 2024-01-23 腾讯科技（深圳）有限公司 流量检测方法、装置、设备及存储介质
CN113586961A (zh) * 2021-07-22 2021-11-02 北京山太公务机维修技术有限公司 一种飞机维修充氧方法、系统、终端及存储介质

Also Published As

Publication number Publication date
US20190370163A1 (en) 2019-12-05
US11169911B2 (en) 2021-11-09
CN108880931B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN108880931A (zh) 用于输出信息的方法和装置
CN109460513A (zh) 用于生成点击率预测模型的方法和装置
CN111368980B (zh) 状态检测方法、装置、设备及存储介质
CN109976997A (zh) 测试方法和装置
CN108228428A (zh) 用于输出信息的方法和装置
CN109426593A (zh) 自动评估系统性能的方法和装置
CN107633331A (zh) 时间序列模型建立方法及装置
CN109495552A (zh) 用于更新点击率预测模型的方法和装置
CN113570396A (zh) 时间序列数据异常检测方法、装置、设备及存储介质
CN109960650A (zh) 基于大数据的应用程序评估方法、装置、介质及电子设备
CN106874135A (zh) 用于检测机房故障的方法、装置及设备
CN109815365A (zh) 用于处理视频的方法和装置
CN112733995A (zh) 训练神经网络的方法、行为检测方法及行为检测装置
CN109976971A (zh) 硬盘状态监测方法和装置
WO2023134188A1 (zh) 指标确定方法、装置、电子设备和计算机可读介质
CN108595448A (zh) 信息推送方法和装置
CN114385869A (zh) 检测数据异常的方法、装置、存储介质及计算机设备
CN114780338A (zh) 主机信息处理方法、装置、电子设备和计算机可读介质
CN114391108A (zh) 用于检测和分析传感器安装和配置错误的多通道电力网监测系统
US20130181827A1 (en) Automated incorporation of expert feedback into a monitoring system
CN109785072A (zh) 用于生成信息的方法和装置
CN109885564A (zh) 用于发送信息的方法和装置
CN109688086A (zh) 用于终端设备的权限控制方法和装置
CN110503181A (zh) 用于生成多层神经网络的方法和装置
CN109064464A (zh) 用于检测电池极片毛刺的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant