CN109063947A

CN109063947A - 一种时间序列的异常识别方法、装置、及业务服务器

Info

Publication number: CN109063947A
Application number: CN201810596709.0A
Authority: CN
Inventors: 周扬
Original assignee: Alibaba Group Holding Ltd
Current assignee: Advanced New Technologies Co Ltd; Advantageous New Technologies Co Ltd
Priority date: 2018-06-11
Filing date: 2018-06-11
Publication date: 2018-12-21

Abstract

公开了一种时间序列的异常识别方法、装置、及业务服务器，所述方法包括：获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；将所述噪声值从所述历史时间序列中删除；根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

Description

一种时间序列的异常识别方法、装置、及业务服务器

技术领域

本说明书实施例涉及数据处理技术领域，尤其涉及一种时间序列的异常识别方法、装置、及业务服务器。

背景技术

随着业务的快速发展和拓宽，业务系统的复杂性逐渐提升，业务故障也日趋凸显，目前，针对业务系统设置一项或几项业务指标，例如业务访问成功率、业务访问量级、交易总额等，通过某一项或某几项业务指标的时间序列来监控业务系统是否出现异常，其中，当检测到某一时刻的业务指标值明显下跌时，可以认为业务系统出现异常并发出报警，以及时告知相关人员进行跟进和处理。

然而，若业务系统中设置有定时任务，即每隔指定周期，例如每分钟、每小时便自动触发的任务，定时任务的触发将导致某一时刻的业务指标值出现激增，而激增之后将不可避免地出现下跌，从而导致将此类的业务指标值下跌错误识别为由于业务系统异常而引起的业务指标值下跌，从而出现误报警。

发明内容

针对上述技术问题，本说明书实施例提供一种时间序列的异常识别方法、装置、及业务服务器，技术方案如下：

根据本说明书实施例的第一方面，提供一种时间序列的异常识别方法，所述方法包括：

获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；

在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；

将所述噪声值从所述历史时间序列中删除；

根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

根据本说明书实施例的第二方面，提供一种时间序列的异常识别装置，所述装置包括：

时间序列获取模块，用于获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；

噪声值确定模块，用于在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；

删除模块，用于将所述噪声值从所述历史时间序列中删除；

预测模块，用于根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

根据本说明书实施例的第三方面，提供一种业务服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现本说明书实施例提供的任一项时间序列的异常识别方法。

本说明书实施例所提供的技术方案，通过获取指定业务指标的历史时间序列，在该历史时间序列中，将属于噪声值的业务指标值，即系统定时任务触发时刻的业务指标值删除，之后，再根据删除噪声值之后的历史时间序列，与当前时刻的业务指标值来预测业务系统在当前时刻是否出现异常，从而可以避免由于定时任务的触发而导致的误预测，以及引起的误报警。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书实施例。

此外，本说明书实施例中的任一实施例并不需要达到上述的全部效果。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为某一项业务指标的时间序列的一种示例；

图2为本说明书一示例性实施例示出的一种时间序列的异常识别方法的实施例流程图；

图3为将噪声值删除之后的历史时间序列的一种示例；

图4为本说明书一示例性实施例示出的另一种时间序列的异常识别方法的实施例流程图；

图5为本说明书一示例性实施例示出的一种时间序列的异常识别装置的实施例框图；

图6示出了本说明书实施例所提供的一种更为具体的业务服务器硬件结构示意图。

具体实施方式

为了使本领域技术人员更好地理解本说明书实施例中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行详细地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于保护的范围。

目前，针对业务系统设置一项或几项业务指标，例如业务访问成功率、业务访问量级、交易总额等，通过某一项或几项业务指标的时间序列可以预测出业务系统是否出现异常，例如，如图1所示，为某一项业务指标的时间序列的一种示例，在图1中，包括若干个离散点，每一离散点则表示一时刻下的业务指标值。现有技术中，当检测到某一时刻的业务指标值明显下跌时，可以认为业务系统出现异常并发出报警，以及时告知相关人员进行根据和处理，例如，如图1所示，通常会在t13、t19两个时刻均进行报警处理。

其中，通过分析t1时刻至t12时刻这一时间区间的时间序列可以发现，在这一时间区间内，业务指标值变化较为平缓，而在t13时刻，业务指标值出现明显下跌，从而可以认为此时是由于业务系统出现异常而导致的业务指标值明显下跌，从而，此时的报警处理是合乎时宜的。

而通过分析t14时刻至t18时刻这一时间区间的时间序列可以发现，在t18时刻，业务指标值出现激增，t19时刻的业务指标值出现明显下跌则是相对t18时刻而言的，也就是说，在t19时刻出现的业务指标值下跌是在业务指标值激增之后的正常下跌，其中，业务指标值出现激增通常是由于系统定时任务的触发而导致的，该系统定时任务是指每个指定周期，例如每分钟、每小时便自动触发的任务，也就是说，在t19时刻所做的报警处理为误报警。

为了解决上述问题，本说明书实施例提出一种时间序列的异常识别方法，在该方法中，提出将时间序列中，属于噪声值的业务指标值，即系统定时任务触发时刻的业务指标值删除，之后，再根据删除噪声值之后的时间序列预测业务系统在当前时刻是否出现异常，从而避免由于定时任务的触发而导致的误报警。

如下，示出下述实施例对本说明书提供的一种时间序列的异常识别方法进行说明。

请参见图2，为本说明书一示例性实施例示出的一种时间序列的异常识别方法的实施例流程图，该方法包括以下步骤：

步骤202：获取指定业务指标的历史时间序列，该历史时间序列包括指定业务指标在多个历史时刻的业务指标值。

在本说明书实施例中，以某一指定业务指标为例，可以按照每分钟、每5分钟、每10分钟等时间间隔进行数据统计，得到该指定业务指标在多个时刻的业务指标值，进而得到该指定业务指标的时间序列。

进一步，按照预设的时间窗口大小，从整体的时间序列中选取出一部分时间序列作为用于预测业务系统在当前时刻是否出现异常的时间序列，为了描述方便，将所选取的部分时间序列称为历史时间序列，例如，假设当前时刻为t19，预设的时间窗口大小为10分钟，那么，则可以选取t9时刻至t18时刻，共10个业务指标值组成的时间序列作为历史时间序列。

步骤204：在历史时间序列中多个历史时刻的业务指标值中确定噪声值，该噪声值为系统定时任务触发时刻的业务指标值。

在本说明书实施例中，在步骤202获取到的历史时间序列中确定系统定时任务触发时刻的业务指标值，为了描述方便，可以将该类业务指标值称为噪声值。

在一实施例中，针对历史时间序列中多个历史时刻的业务指标值中的任一业务指标值，可以计算出该业务指标值的标准分数，由统计学概念可知，该标准分数由下述公式(一)计算得出：

在公式(一)中，ZValue表示业务指标值的标准分数，x_i表示业务指标值，m表示历史时间序列中多个业务指标值的平均值，s表示历史时间序列中多个业务指标值的标准差。

由标准分数的统计学概念可知，标准分数可以表示出一组数据中各数值的相对位置，例如，如果某个数值的标准分数为-1.5，则表示该数值低于平均值1.5倍的标准差，又例如，如果某个数值的标准分数为2，则表示该数字高于平均值2倍的标准差。

基于上述描述，则可以将业务指标值的标准分数与预设阈值进行比较，本领域技术人员可以理解的是，该预设阈值为大于0的自然数，若比较得出标准分值大于预设阈值，则可以认为该业务指标值高于平均值，且偏离平均值的程度较大，从而，按照上述噪声值的定义，则可以将该业务指标值确定为噪声值。

在另一实施例中，也可以计算出业务指标值与上述平均值之间的差值，通过该差值确定业务指标值偏离平均值的程度，继而可以按照类似的原理，将该差值与预设阈值进行比较，若比较得出差值大于预设阈值，则可以将该业务指标值确定为噪声值。

步骤206：将噪声值从历史时间序列中删除。

在本说明书实施例中，可以将步骤204中确定出的噪声值从历史时间序列中删除，例如，假设在步骤204中确定出t18时刻的业务指标值为噪声值，那么将该噪声值从历史时间序列中删除之后的历史时间序列则可以如图3所示。

步骤208：根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

在本说明书实施例中，可以根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，确定当前时刻的业务指标值是否满足设定的报警条件，若满足，则确定业务系统在当前时刻出现异常。

在一实施例中，可以利用下述公式(二)计算出同比绝对值，利用下述公式(三)计算出同比相对值，利用上述公式(一)计算出当前时刻的业务指标值的标准分数。

AValue＝|x₀-x_l| 公式(二)

在上述公式(二)中，AValue表示同比绝对值，x₀表示当前时刻的业务指标值，x_l表示当前的历史时间序列中的最末一个业务指标值。

在上述公式(三)中，RValue表示同比相对值。

后续，则可以根据计算出的同比绝对值、同比相对值，以及所述当前时刻的业务指标值的标准分数确定当前时刻的业务指标值是否满足设定的报警条件。

在一例子中，该报警条件可以为：同比绝对值大于预设的同比绝对值阈值、同比相对值大于预设的同比相对值阈值，以及标准分数的绝对值大于预设的标准分数阈值，例如，同比绝对值大于100，同比相对值大于20％，标准分数的绝对值大于3时进行报警处理。

在本说明书实施例中，还提出另一种时间序列的异常识别方法的示例性实施例，在该示例性实施例中，通过多次迭代处理，确保将历史时间序列中的噪声值全部删除，以提高后续根据删除噪声值之后的历史时间序列与当前时刻的业务指标值预测业务系统在当前时刻是否出现异常的准确度，有效避免误报警。

请参见图4，为本说明书一示例性实施例示出的另一种时间序列的异常识别方法的实施例流程图，该方法包括以下步骤：

步骤402：获取指定业务指标的历史时间序列，该历史时间序列包括指定业务指标在多个历史时刻的业务指标值。

步骤404：在当前历史时间序列中多个历史时刻的业务指标值中确定噪声值，该噪声值为系统定时任务触发时刻的业务指标值。

步骤406：将噪声值从当前历史时间序列中删除。

步骤402至步骤406的具体描述可以参见上述图2所示实施例中的相关描述，在此不再详述。

步骤408：确定当前历史时间序列是否满足预设的迭代停止条件，若满足，则执行步骤410，若不满足，则返回执行步骤404。

在本说明书实施例中，迭代停止条件可以为：当前历史时间序列中多个历史时刻的业务指标值中不存在噪声值，那么，在步骤408中，则可以确定当前历史时间序列中是否存在噪声值，若存在，则返回执行步骤404，若不存在，则可以继续执行步骤410。

本领域技术人员可以理解的是，上述迭代停止条件仅仅作为举例，在实际应用中，迭代停止条件还可以为：迭代次数达到预设次数，本领域技术人员对此不作限制。

步骤410：根据当前历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

步骤410的具体描述可以参见上述图2所示实施例中的相关描述，在此不再详述。

本说明书实施例所提供的技术方案，通过获取指定业务指标的历史时间序列，在该历史时间序列中，通过多次迭代处理，尽可能地将属于噪声值的业务指标值，即系统定时任务触发时刻的业务指标值全部删除，之后，再根据不包括噪声值的历史时间序列，与当前时刻的业务指标值来预测业务系统在当前时刻是否出现异常，从而可以有效地避免由于定时任务的触发而导致的误预测，以及引起的误报警。

相应于上述方法实施例，本说明书实施例还提供一种时间序列的异常识别装置，参见图5所示，为本说明书一示例性实施例示出的一种时间序列的异常识别装置的实施例框图，该装置可以包括：时间序列获取模块51、噪声值确定模块52、删除模块53、预测模块54。

其中，时间序列获取模块51，可以用于获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；

噪声值确定模块52，可以用于在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；

删除模块53，可以用于将所述噪声值从所述历史时间序列中删除；

预测模块54，可以用于根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

在一实施例中，所述噪声值确定模块52可以包括(图5中未示出)：

第一计算子模块，用于针对所述历史时间序列中多个历史时刻的业务指标值中的任一业务指标值，计算出所述业务指标值的标准分数；

比较子模块，用于比较所述业务指标值的标准分数与预设阈值；

第一确定子模块，用于若比较得出所述标准分数大于所述预设阈值，则将所述业务指标值确定为噪声值。

在一实施例中，所述装置还可以包括(图5中未示出)：

迭代模块，用于利用以下步骤进行迭代处理，直至满足预设的迭代停止条件：

在当前历史时间序列中多个历史时刻的业务指标值中确定噪声值；

将所确定的噪声值从所述当前历史时间序列中删除。

在一实施例中，所述迭代停止条件至少包括：

当前历史时间序列中多个历史时刻的业务指标值中不存在噪声值。

在一实施例中，所述预测模块54可以包括(图5中未示出)：

第二确定子模块，用于根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，确定所述当前时刻的业务指标值是否满足设定的报警条件；

第三确定子模块，用于在确定所述当前时刻的业务指标值满足设定的报警条件时，则确定业务系统在当前时刻出现异常。

在一实施例中，所述第二确定子模块可以包括(图5中未示出)：

第二计算子模块，用于将所述当前时刻的业务指标值与删除噪声值之后的历史时间序列中的最末一个业务指标值作差，将差值的绝对值作为同比绝对值；

第三计算子模块，用于将所述同比绝对值与所述当前时刻的业务指标值作除，将商值的绝对值作为同比相对值；

第四计算子模块，用于计算出所述当前时刻的业务指标值的标准分数；

第四确定子模块，用于根据所述同比绝对值、所述同比相对值，以及所述当前时刻的业务指标值的标准分数确定所述当前时刻的业务指标值是否满足设定的报警条件；

所述报警条件为：

同比绝对值大于预设的同比绝对值阈值、同比相对值大于预设的同比相对值阈值，以及标准分数的绝对值大于预设的标准分数阈值。

可以理解的是，时间序列获取模块51、噪声值确定模块52、删除模块53，以及预测模块54作为四种功能独立的模块，既可以如图5所示同时配置在装置中，也可以分别单独配置在装置中，因此图5所示的结构不应理解为对本说明书实施例方案的限定。

此外，上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

本说明书实施例还提供一种业务服务器，其至少包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现前述的时间序列的异常识别方法。该方法至少包括：获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；将所述噪声值从所述历史时间序列中删除；根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

图6示出了本说明书实施例所提供的一种更为具体的业务服务器硬件结构示意图，该设备可以包括：处理器610、存储器620、输入/输出接口630、通信接口640和总线650。其中处理器610、存储器620、输入/输出接口630和通信接口640通过总线650实现彼此之间在设备内部的通信连接。

处理器610可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器620可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器620可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器620中，并由处理器610来调用执行。

输入/输出接口630用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图6中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口640用于连接通信模块(图6中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线650包括一通路，在设备的各个组件(例如处理器610、存储器620、输入/输出接口630和通信接口640)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器610、存储器620、输入/输出接口630、通信接口640以及总线650，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述的时间序列的异常识别方法。该方法至少包括：获取指定业务指标的历史时间序列，所述历史时间序列包括所述指定业务指标在多个历史时刻的业务指标值；在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，所述噪声值为系统定时任务触发时刻的业务指标值；将所述噪声值从所述历史时间序列中删除；根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书实施例各个实施例或者实施例的某些部分所述的方法。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本说明书实施例的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本说明书实施例原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本说明书实施例的保护范围。

Claims

1.一种时间序列的异常识别方法，所述方法包括：

将所述噪声值从所述历史时间序列中删除；

2.根据权利要求1所述的方法，所述在所述历史时间序列中多个历史时刻的业务指标值中确定噪声值，包括：

针对所述历史时间序列中多个历史时刻的业务指标值中的任一业务指标值进行如下处理：

计算出所述业务指标值的标准分数；

比较所述业务指标值的标准分数与预设阈值；

若比较得出所述标准分数大于所述预设阈值，则将所述业务指标值确定为噪声值。

3.根据权利要求2所述的方法，在所述将所述噪声值从所述历史时间序列中删除之后，所述方法还包括：

利用以下步骤进行迭代处理，直至满足预设的迭代停止条件：

将所确定的噪声值从所述当前历史时间序列中删除。

4.根据权利要求3所述的方法，所述迭代停止条件至少包括：

5.根据权利要求1所述的方法，所述根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，预测业务系统在当前时刻是否出现异常，包括：

根据删除噪声值之后的历史时间序列与当前时刻的业务指标值，确定所述当前时刻的业务指标值是否满足设定的报警条件；

若满足，则确定业务系统在当前时刻出现异常。

6.根据权利要求5所述的方法，所述根据删除噪声值之后的历史时间序列与当前时刻的业务指标值确定所述当前时刻的业务指标值是否满足设定的报警条件，包括：

将所述当前时刻的业务指标值与删除噪声值之后的历史时间序列中的最末一个业务指标值作差，将差值的绝对值作为同比绝对值；

将所述同比绝对值与所述当前时刻的业务指标值作除，将商值的绝对值作为同比相对值；

计算出所述当前时刻的业务指标值的标准分数；

根据所述同比绝对值、所述同比相对值，以及所述当前时刻的业务指标值的标准分数确定所述当前时刻的业务指标值是否满足设定的报警条件；

所述报警条件为：

7.一种时间序列的异常识别装置，所述装置包括：

删除模块，用于将所述噪声值从所述历史时间序列中删除；

8.根据权利要求7所述的装置，所述噪声值确定模块包括：

9.根据权利要求8所述的装置，所述装置还包括：

将所确定的噪声值从所述当前历史时间序列中删除。

10.根据权利要求9所述的装置，所述迭代停止条件至少包括：

11.根据权利要求7所述的装置，所述预测模块包括：

12.根据权利要求11所述的装置，所述第二确定子模块包括：

所述报警条件为：

13.一种业务服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至6任一项所述的方法。