CN111158848A - 基于ai技术的运维监控、分析处理平台 - Google Patents
基于ai技术的运维监控、分析处理平台 Download PDFInfo
- Publication number
- CN111158848A CN111158848A CN201911230836.XA CN201911230836A CN111158848A CN 111158848 A CN111158848 A CN 111158848A CN 201911230836 A CN201911230836 A CN 201911230836A CN 111158848 A CN111158848 A CN 111158848A
- Authority
- CN
- China
- Prior art keywords
- data
- neural network
- network model
- technology
- training
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- 238000003062 neural network model Methods 0.000 claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000002372 labelling Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 230000010355 oscillation Effects 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009514 concussion Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 17
- 238000003672 processing method Methods 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
Abstract
本发明公开了基于AI技术的运维监控、分析处理平台,包括该运维监控、分析处理平台处理方法的具体步骤为:建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集;将所述参数信息和预设数据进行计算和预测,完成对数据集的标注;建立多个独立的卷积深度神经网络构成的级联深度神经网络模型;通过级联神经网络模型对数据信息进行识别;根据识别的结果得出是否处于安全状态,并分等级报警,本发明便于对数据进行处理,判断该数据是否处于安全状态。
Description
技术领域
本发明涉及AI技术处理技术领域,具体是基于AI技术的运维监控、分析处理平台。
背景技术
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”,人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
然而现有的AI技术的运维监控、分析处理平台一般没有对数据进行处理收集形成数据集,同时不便对数据进行处理计算判断该数据是否处于安全状态,因此影响数据的稳定性与安全性。
发明内容
本发明的目的在于提供基于AI技术的运维监控、分析处理平台,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于AI技术的运维监控、分析处理平台,包括该运维监控、分析处理平台处理方法的具体步骤为:
建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集;
将所述参数信息和预设数据进行计算和预测,完成对数据集的标注;
建立多个独立的卷积深度神经网络构成的级联深度神经网络模型;
通过级联神经网络模型对数据信息进行识别;
根据识别的结果得出是否处于安全状态,并分等级报警。
作为本发明进一步的方案:所述建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集具体为:
根据获取各监控点的参数信息,将该参数信息大致分为:周期性平缓数据,周期性震荡数据,业务特征性数据,静止扰动性数据,城墙型离散数据和非规律性数据。
作为本发明进一步的方案:所述建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集具体为:
根据获取各监控点的参数信息,将该参数信息大致分为:周期性平缓数据,周期性震荡数据,业务特征性数据,静止扰动性数据,城墙型离散数据和非规律性数据。
作为本发明进一步的方案:对于业务特征数据做出如下处理:
先对数据进行hp滤波处理,将数据平滑化;
使用时间序列的标准差判断数据处理震荡状态还是稳步上升状态;
对于震荡状态,使用滚动RNN/ARIMA进行预测;
对于稳步上升状态,使用线性回归处理。
作为本发明进一步的方案:所述根据识别的结果得出是否处于安全状态,并分等级报警具体为:
当识别数据不在预设数据范围内时,AI分析处理平台进行报警。
作为本发明进一步的方案:所述建立多个独立的卷积深度神经网络构成的级联深度神经网络模型具体为:
使用数据集的标注作为训练样本,将训练集按照1:5划分成训练测试集和验证集;
训练测试集使用十折交叉验证法进行划分和验证,训练测试集中的十分之一作为测试集,剩余的十分之九作为训练集;
训练过程使用训练集和测试集训练级联深度神经网络模型;
使用投票法进行投票得到预测结果,使用验证集计算得到级联深度神经网络模型的准确率
根据计算所得准确率来选择最优的级联深度神经网络模型。
作为本发明进一步的方案:所述通过级联神经网络模型对数据信息进行识别具体为:
通过级联神经网络模型对数据信息进行采样,得到级联神经网络模型处理后的低维特征图;
使用python脚本查询数据库寻找与该特征图相似度最大的数据信息,将相似度最大的数据信息与获取的数据进行对比进行数据信息识别。
与现有技术相比,本发明的有益效果是:本发明通过建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集,便于将监控数据进行整理处理分析形成数据集;通过将所述参数信息和预设数据进行计算和预测,完成对数据集的标注,便于对特定的数据进行标注;通过在建立多个独立的卷积深度神经网络构成的级联深度神经网络模型,通过级联神经网络模型对数据信息进行识别,便于对数据进行处理设别,判断该数据是否处于安全状态;这种基于AI技术的运维监控、分析处理平台便于对数据进行处理,判断该数据是否处于安全状态。
附图说明
图1为基于AI技术的运维监控、分析处理平台示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中,基于AI技术的运维监控、分析处理平台,包括该运维监控、分析处理平台处理方法的具体步骤为:
建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集;
将参数信息和预设数据进行计算和预测,完成对数据集的标注;
建立多个独立的卷积深度神经网络构成的级联深度神经网络模型;
通过级联神经网络模型对数据信息进行识别;
根据识别的结果得出是否处于安全状态,并分等级报警。
建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集具体为:
根据获取各监控点的参数信息,将该参数信息大致分为:周期性平缓数据,周期性震荡数据,业务特征性数据,静止扰动性数据,城墙型离散数据和非规律性数据。
建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集具体为:
根据获取各监控点的参数信息,将该参数信息大致分为:周期性平缓数据,周期性震荡数据,业务特征性数据,静止扰动性数据,城墙型离散数据和非规律性数据。
对于业务特征数据做出如下处理:
先对数据进行hp滤波处理,将数据平滑化;
使用时间序列的标准差判断数据处理震荡状态还是稳步上升状态;
对于震荡状态,使用滚动RNN/ARIMA进行预测;
对于稳步上升状态,使用线性回归处理。
根据识别的结果得出是否处于安全状态,并分等级报警具体为:
当识别数据不在预设数据范围内时,AI分析处理平台进行报警。
建立多个独立的卷积深度神经网络构成的级联深度神经网络模型具体为:
使用数据集的标注作为训练样本,将训练集按照1:5划分成训练测试集和验证集;
训练测试集使用十折交叉验证法进行划分和验证,训练测试集中的十分之一作为测试集,剩余的十分之九作为训练集;
训练过程使用训练集和测试集训练级联深度神经网络模型;
使用投票法进行投票得到预测结果,使用验证集计算得到级联深度神经网络模型的准确率
根据计算所得准确率来选择最优的级联深度神经网络模型。
通过级联神经网络模型对数据信息进行识别具体为:
通过级联神经网络模型对数据信息进行采样,得到级联神经网络模型处理后的低维特征图;
使用python脚本查询数据库寻找与该特征图相似度最大的数据信息,将相似度最大的数据信息与获取的数据进行对比进行数据信息识别。
在本发明中所描述的“固定连接”表示相互连接的两部件之间是固定在一起,一般是通过焊接、螺钉或胶粘等方式固定在一起;“转动连接”是指两部件连接在一起并能相对运动。
虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
故以上所述仅为本申请的较佳实施例,并非用来限定本申请的实施范围;即凡依本申请的权利要求范围所做的各种等同变换,均为本申请权利要求的保护范围。
Claims (7)
1.基于AI技术的运维监控、分析处理平台,其特征在于,包括该运维监控、分析处理平台处理方法的具体步骤为:
建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集;
将所述参数信息和预设数据进行计算和预测,完成对数据集的标注;
建立多个独立的卷积深度神经网络构成的级联深度神经网络模型;
通过级联神经网络模型对数据信息进行识别;
根据识别的结果得出是否处于安全状态,并分等级报警。
2.根据权利要求1所述的基于AI技术的运维监控、分析处理平台,其特征在于,所述建立数据集,获取各监控点的参数信息,并进行初步处理,形成数据集具体为:
根据获取各监控点的参数信息,将该参数信息大致分为:周期性平缓数据,周期性震荡数据,业务特征性数据,静止扰动性数据,城墙型离散数据和非规律性数据。
3.根据权利要求2所述的基于AI技术的运维监控、分析处理平台,其特征在于,对于周期性平缓数据,周期性震荡数据做如下处理:
对于数据有短时震荡的特征,对数据进行HP滤波处理是数据变得平缓,将处于上边界的点和下边界的点分开,并且对于空缺点使用线性补全;
并对上边界的点和下边界点尽心预测得出预测值。
4.根据权利要求1所述的基于AI技术的运维监控、分析处理平台,其特征在于,对于业务特征数据做出如下处理:
先对数据进行hp滤波处理,将数据平滑化;
使用时间序列的标准差判断数据处理震荡状态还是稳步上升状态;
对于震荡状态,使用滚动RNN/ARIMA进行预测;
对于稳步上升状态,使用线性回归处理。
5.根据权利要求1所述的基于AI技术的运维监控、分析处理平台,其特征在于,所述根据识别的结果得出是否处于安全状态,并分等级报警具体为:
当识别数据不在预设数据范围内时,AI分析处理平台进行报警。
6.根据权利要求1所述的基于AI技术的运维监控、分析处理平台,其特征在于,所述建立多个独立的卷积深度神经网络构成的级联深度神经网络模型具体为:
使用数据集的标注作为训练样本,将训练集按照1:5划分成训练测试集和验证集;
训练测试集使用十折交叉验证法进行划分和验证,训练测试集中的十分之一作为测试集,剩余的十分之九作为训练集;
训练过程使用训练集和测试集训练级联深度神经网络模型;
使用投票法进行投票得到预测结果,使用验证集计算得到级联深度神经网络模型的准确率;
根据计算所得准确率来选择最优的级联深度神经网络模型。
7.根据权利要求1所述的基于AI技术的运维监控、分析处理平台,其特征在于,所述通过级联神经网络模型对数据信息进行识别具体为:
通过级联神经网络模型对数据信息进行采样,得到级联神经网络模型处理后的低维特征图;
使用python脚本查询数据库寻找与该特征图相似度最大的数据信息,将相似度最大的数据信息与获取的数据进行对比进行数据信息识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911230836.XA CN111158848A (zh) | 2019-12-05 | 2019-12-05 | 基于ai技术的运维监控、分析处理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911230836.XA CN111158848A (zh) | 2019-12-05 | 2019-12-05 | 基于ai技术的运维监控、分析处理平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111158848A true CN111158848A (zh) | 2020-05-15 |
Family
ID=70556554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911230836.XA Pending CN111158848A (zh) | 2019-12-05 | 2019-12-05 | 基于ai技术的运维监控、分析处理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111158848A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140847A1 (en) * | 2003-11-14 | 2007-06-21 | Martinez De Lizarduy Romo Mari | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations |
CN103473710A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种集中运维系统的故障分级处理方法 |
CN108197011A (zh) * | 2018-01-29 | 2018-06-22 | 上海洞识信息科技有限公司 | 一种基于人工智能大数据平台的单指标预测和预警方法 |
CN108804251A (zh) * | 2018-05-31 | 2018-11-13 | 深圳市智象科技有限公司 | 一种运行维护的数据处理方法和装置 |
CN109117959A (zh) * | 2018-06-20 | 2019-01-01 | 中译语通科技(青岛)有限公司 | 一种基于智能运维平台的人工智能自动识别系统和方法 |
CN110287940A (zh) * | 2019-07-03 | 2019-09-27 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的掌纹识别方法及系统 |
-
2019
- 2019-12-05 CN CN201911230836.XA patent/CN111158848A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140847A1 (en) * | 2003-11-14 | 2007-06-21 | Martinez De Lizarduy Romo Mari | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations |
CN103473710A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种集中运维系统的故障分级处理方法 |
CN108197011A (zh) * | 2018-01-29 | 2018-06-22 | 上海洞识信息科技有限公司 | 一种基于人工智能大数据平台的单指标预测和预警方法 |
CN108804251A (zh) * | 2018-05-31 | 2018-11-13 | 深圳市智象科技有限公司 | 一种运行维护的数据处理方法和装置 |
CN109117959A (zh) * | 2018-06-20 | 2019-01-01 | 中译语通科技(青岛)有限公司 | 一种基于智能运维平台的人工智能自动识别系统和方法 |
CN110287940A (zh) * | 2019-07-03 | 2019-09-27 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的掌纹识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778259B (zh) | 一种基于大数据机器学习的异常行为发现方法及系统 | |
KR102168558B1 (ko) | 액티브 러닝을 위한 학습용 데이터 선정 방법, 액티브 러닝을 위한 학습용 데이터 선정 장치 및 액티브 러닝을 이용한 영상 분석 방법 | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN110110095A (zh) | 一种基于长短期记忆循环神经网络的电力指令文本匹配方法 | |
CN110262942A (zh) | 一种日志分析方法及装置 | |
CN111796957A (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
CN114819213A (zh) | 一种电动汽车公共充电设施的智能运维管理方法及系统 | |
CN110992307A (zh) | 基于yolo的绝缘子定位识别方法及装置 | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
CN114936732A (zh) | 一种基于互联网的信息化资源管理系统 | |
CN114238402A (zh) | 告警数据处理方法、装置、存储介质以及电子设备 | |
CN109978396A (zh) | 一种风险事件的早期筛查系统及方法 | |
CN111158848A (zh) | 基于ai技术的运维监控、分析处理平台 | |
CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
CN108363738B (zh) | 一种工业设备数据分析算法的推荐方法 | |
CN116561519A (zh) | 基于电网大数据的电碳排放过程监测方法和系统 | |
CN112000708A (zh) | 一种基于调控配用数据融合的异常数据处理方法及系统 | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
CN115987692A (zh) | 一种基于流量回溯分析的安全防护系统及方法 | |
CN111798237B (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN112486676B (zh) | 一种基于边缘计算的数据共享分发装置 | |
CN113987164A (zh) | 一种基于领域事件知识图谱的项目研判方法及装置 | |
CN114169623A (zh) | 一种电力设备故障分析方法、装置、电子设备及存储介质 | |
CN114077663A (zh) | 应用日志的分析方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |