CN113627696A - 一种监测数据模态改变的方法、装置、设备及存储介质 - Google Patents
一种监测数据模态改变的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113627696A CN113627696A CN202010373317.5A CN202010373317A CN113627696A CN 113627696 A CN113627696 A CN 113627696A CN 202010373317 A CN202010373317 A CN 202010373317A CN 113627696 A CN113627696 A CN 113627696A
- Authority
- CN
- China
- Prior art keywords
- change point
- performance data
- historical performance
- change
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000012417 linear regression Methods 0.000 claims description 50
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提出一种监测数据模态改变的方法、装置、设备及存储介质,该方法包括:获取预设历史性能数据;若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;将不满足趋势一致性条件的所述改变点予以过滤。用以实现准确判断性能指标数据模态变化。
Description
技术领域
本申请涉及通讯技术领域,具体涉及一种监测数据模态改变的方法、装置、设备及存储介质。
背景技术
作为信息时代重要的基础设施,无线网络系统需保证持续稳定的运行,以满足社会日常、商业及公共服务等各方面的通讯需要。为此,无线通信设备开发人员设计了众多种类的性能指标数据,方便网络运维人员监控网络各组件以及网络的状态。目前,由于部分性能数据的趋势变化缓慢,难以有效地通过阈值方法检测出趋势的长期变化。如果使用改变点检测的算法,又会被趋势影响产生误检。
发明内容
本申请提供一种监测数据模态改变的方法、装置、设备及存储介质,用以实现监测性能指标模态变化。
本申请实施例提供了一种监测数据模态改变的方法,包括:
获取预设历史性能数据;
若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
将不满足趋势一致性条件的所述改变点予以过滤。
本申请实施例提供一种监测数据模态改变的装置,包括:
数据获取模块,用于获取预设历史性能数据;
去周期性处理模块,用于若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
改变点确定模块,用于对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
趋势一致性判定模块,用于根据每个所述改变点左右两端的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
改变点过滤模块,用于将不满足趋势一致性条件的所述改变点予以过滤。
本申请实施例提供一种设备,所述设备包括处理器以及存储器;
所述处理器用于执行存储器中存储的程序,以实现本申请实施例中的任意一种方法。
本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例中的任意一种方法。
本申请实施例所提供的监测数据模态改变的方法、装置、设备及存储介质,通过对预设历史性能数据的去周期性预处理,检测改变点,并进行趋势的识别,排除了数据周期性以及趋势对数据模态监测的影响,实现准确判断性能指标模态变化。
附图说明
图1为实施例运用场景示意图。
图2为监测数据模态改变的方法的流程图。
图3为监测数据模态改变的装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下文中将结合附图对本申请的实施例进行详细说明。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任意组合。
图1是本发明实施例的一个可选的运用场景示意图,即长期演进(Long TermEvolution,LTE)无线网络系统。如图1所示,一个典型的LTE无线网络系统包含有多个基站,一个基站又按逻辑划分成几个小区。每个小区下有多个手机用户接入,进行无线通话、上网、看视频等移动通信活动。一些关键性能指标(Key Performance Indicator,KPI),例如无线资源控制(Radio Resource Control,RRC)掉话率、RRC连接建立成功率和上下行平均流量等,反映了网络系统的运行状态。通过对这些性能指标数据进行长期趋势或模态监测,可以帮助运维人员对网络进行管理。
图2示出根据本申请实施例的监测数据模态改变的方法,包括:
S21、获取预设历史性能数据;
S22、若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
S23、对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
S24、根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
S25、将不满足趋势一致性条件的所述改变点予以过滤。
其中,预设历史性能数据可以是预设时间段内,反映无线网络系统的运行状态的历史性能数据。这些历史性能数据为离线数据,通过这些离线数据可以进行检测改变点,而被记录下的历史性能数据中往往会存在噪声干扰,预设时间段包括多周的历史性能数据,示例性地,预设时间段为30天。在一种实现方式中,获取预设历史性能数据,包括:获取预设时间段内的历史性能数据;采用预设滤波器对所述历史性能数据进行去噪处理,得到所述预设历史性能数据。可以采用预设滤波器对历史性能数据进行去噪处理,可选的,采用hamper filter对历史性能数据进行去噪处理,得到预设历史性能数据。
在一种实现方式中,所述若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理,包括:
基于离散傅立叶变换(Discrete Fourier transform,DFT)算法对所述预设历史性能数据进行周期性数据分析,确定所述预设历史性能数据是否为双周期性数据;其中,所述双周期性数据为天周期和周周期的数据;
若所述预设历史性能数据为双周期性数据,计算出多个周特定天内的所述预设历史性能数据的均值;
将每个周特定天内的所述预设历史性能数据减去对应的所述均值。
其中,对预设历史性能数据利用DFT算法进行周期性数据分析,来进行双周期检测,如果检测为双周期(天周期和周周期)信号,计算出多个周特定天内的所述预设历史性能数据的均值,所谓周特定天就是周一、周二、周三、周四、周五、周六和周日,计算出在一周中每一天的预设历史性能数据的均值。预设历史性能数据中包括多周的历史性能数据,也就是,计算全部周一的预设历史性能数据的均值,全部周二的预设历史性能数据的均值,直到计算出全部周日的预设历史性能数据的均值。然后,在每个周特定天的预设历史性能数据中减去对应周特定天的均值。也就是,每个周一的预设历史性能数据中减去周一的预设历史性能数据的均值,每个周二的预设历史性能数据中减去周二的预设历史性能数据的均值,以此类推,完成所有预设历史性能数据中减去对应周特定天的均值的操作。由于人们每周的工作生活在工作日和休息日差别较大,每天中不同时段的活动情况也有明显区别,那么,无线网络的运行也会受此影响,体现在预设历史性能数据上。对所述预设历史性能数据进行去周期性预处理,可以减少休息日数据对趋势判定的影响。
在一种实现方式中,所述对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点,包括:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的改变点数量与第一预设改变点数量进行比较;
若同一所述改变点时刻的所述改变点数量大于等于所述第一预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
其中,可以以预设时间步长S滚动读取预设历史性能数据进行改变点检测,并记录改变点时刻。当经过预设步数T后,统计记录的改变点,只有当T步内检测出的改变点满足一定数量条件,才将此改变点作为T步时间段内真正的改变点,否则滤除。本实现方式中设定以一天为预设时间步长,预设步数为7步,也就是以7天为一个周期滚动检测,当满足7天周期时,统计当前相同改变点时刻的改变点数量大于等于第一预设改变点数量的改变点。也就是,同一改变点时刻的改变点数量如果小于第一预设改变点数量,这个改变点时刻的改变点就会被滤除。示例性地,第一预设改变点数量可以为3或4。
在一种实现方式中,所述根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定,包括:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
计算每段所述预设历史性能数据的移动均值,其中,周期为天周期数据数;
对每个所述改变点的改变点左段移动均值、改变点右段移动均值和跨改变点左右段移动均值的均值线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第一阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
其中,所述预设历史性能数据以所述改变点为分割点进行分割,这样会得到分段的预设历史性能数据。当前改变点左段的预设历史性能数据是从左侧相邻改变点到当前改变点之间的预设历史性能数据,当前改变点右段的预设历史性能数据是从右侧相邻改变点到当前改变点之间的预设历史性能数据。对每个改变点,分别对改变点左段移动均值、改变点右段移动均值及跨改变点左右段移动均值的均值线求线性回归,计算单位长度统计量线性回归(Liner regression,LR)均方误差(mean square error,MSE)lr_mse:
其中,yj为均值线上的值,为回归拟合线上的值,len(bkp2-bkp1)为当前拟合线的横轴的距离。具体来说,当计算改变点左段lr_mse_left时,bkp1为当前改变点,bkp2为当前改变点左起的第一个改变点;当计算改变点右段lr_mse_rigiht时,bkp2是当前改变点,bkp1为当前改变点右起的第一个改变点;当计算跨改变点左右段lr_mse_cross时,bkp2为当前改变点做起第一个改变点,bkp1为当前改变点右起的第一个改变点。
对以上所述的改变点的趋势一致性进行判定,具体如下:
当满足lr_mse_left<TH and lr_mse_rigiht<TH and lr_mse_cross<2*MAX(lr_mse_left,lr_mse_rigiht)时,判断该改变点为因趋势影响产生的伪改变点,对其进行过滤。其中,第一阈值TH为经验设定的阈值,例如0.01。
计算每段预设历史性能数据的移动均值,并根据改变点左段移动均值、改变点右段移动均值和跨改变点左右段移动均值的单位长度统计量线性回归均方误差判断改变点的趋势一致性,对于数据改变趋势的幅度持续增加的情况,过滤改变点的效果更佳,数据模态改变的判断更准确。
在一种实现方式中,所述对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点,包括:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的连续改变点数量与第二预设改变点数量进行比较;
若同一所述改变点时刻的所述连续改变点数量大于等于所述第二预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
其中,可以以预设时间步长S滚动读取预设历史性能数据进行改变点检测,并记录改变点时刻。当经过预设步数T后,统计记录的改变点,只有当T步内检测出的改变点满足一定数量条件,才将此改变点作为T步时间段内真正的改变点,否则滤除。本实现方式中设定以一天为预设时间步长,预设步数为7步,也就是以7天为一个周期滚动检测,当满足7天周期时,统计当前相同改变点时刻的改变点数量大于等于第二预设改变点数量的改变点。也就是,判断同一改变点时刻的改变点是否连续出现,并且连续出现的次数大于等于第二预设改变点数量,如果是确定为改变点,否则过滤。示例性地,第二预设改变点数量可以为3或4。若所述预设步数内检测出同一改变点时刻连续出现改变点,且连续的改变点的数量大于等于第二预设改变点数量,保留这一改变点时刻连续出现改变点;若所述预设步数内未检测出同一改变点时刻连续出现改变点,滤除这一改变点时刻非连续出现的改变点;或者,预设步数内检测出同一改变点时刻连续出现改变点,但连续出现的改变点的数量小于第二预设改变点数量,滤除这一改变点时刻连续出现的改变点。
在一种实现方式中,所述根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定,包括:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
对每个所述改变点的改变点左段数据、改变点右段数据和跨改变点左右段数据的数据线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第二阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
对各改变点,分别对改变点左段数据、改变点右段数据及跨改变点左右段数据求线性回归线,计算单位长度统计量线性回归均方误差lr_mse:
其中,yj为原数据值,为回归拟合线上的值,len(bkp2-bkp1)为当前拟合线的横轴的距离。具体来说,当计算改变点左段lr_mse_left时,bkp1为当前改变点,bkp2为当前改变点左起的第一个改变点;当计算改变点右段lr_mse_rigiht时,bkp2是当前改变点,bkp1为当前改变点右起的第一个改变点;当计算跨改变点左右段lr_mse_cross时,bkp2为当前改变点做起第一个改变点,bkp1为当前改变点右起的第一个改变点。
对以上所述的改变点的趋势一致性进行判定,具体如下:
当满足lr_mse_left<TH and lr_mse_rigiht<TH and lr_mse_cross<2*MAX(lr_mse_left,lr_mse_rigiht)时,判断该改变点为因趋势影响产生的伪改变点,对其进行过滤,其中,第二阈值TH为经验设定的阈值,例如0.02。
根据改变点左段数据、改变点右段数据和跨改变点左右段数据的单位长度统计量线性回归均方误差判断改变点的趋势一致性,对于数据改变趋势的幅度保存稳定的情况,过滤改变点的效果更佳,数据模态改变的判断更准确。
图3示出监测数据模态改变的装置,包括:
数据获取模块31,用于获取预设历史性能数据;
去周期性处理模块32,用于若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
改变点确定模块33,用于对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
趋势一致性判定模块34,用于根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
改变点过滤模块35,用于将不满足趋势一致性条件的所述改变点予以过滤。
在一种实施方式中,数据获取模块31,包括:
历史性能数据获取单元,用于获取预设时间段内的历史性能数据;
滤噪单元,用于采用预设滤波器对所述性能历史数据进行去噪处理,得到所述预设历史性能数据。
在一种实施方式中,去周期性处理模块32包括:
周期性数据确定单元,用于基于离散傅立叶变换DFT算法对所述预设历史性能数据进行周期性数据分析,确定所述预设历史性能数据是否为双周期性数据;其中,所述双周期性数据为天周期和周周期的数据;
周特定天数据均值计算单元,用于若所述预设历史性能数据为双周期性数据,计算出多个周特定天内的所述预设历史性能数据的均值;
数据去周期单元,用于将每个周特定天内的所述预设历史性能数据减去对应的所述均值。
在一种实现方式中,改变点确定模块33具体用于:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的改变点数量与第一预设改变点数量进行比较;
若同一所述改变点时刻的所述改变点数量大于等于所述第一预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
在一种实现方式中,趋势一致性判定模块34具体用于:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
计算每段所述预设历史性能数据的移动均值,其中,周期为天周期数据数;
对每个所述改变点的改变点左段移动均值、改变点右段移动均值和跨改变点左右段移动均值的均值线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第一阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
在一种实现方式中,改变点确定模块33具体用于:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的连续改变点数量与第二预设改变点数量进行比较;
若同一所述改变点时刻的所述连续改变点数量大于等于所述第二预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
在一种实现方式中,趋势一致性判定模块34具体用于:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
对每个所述改变点的改变点左段数据、改变点右段数据和跨改变点左右段数据的数据线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第二阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
本申请实施例提供一种设备,所述设备包括处理器以及存储器;
所述处理器用于执行存储器中存储的程序,以实现本申请实施例中的任意一种方法。
本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例中的任意一种方法。
以上所述,仅为本申请的示例性实施例而已,并非用于限定本申请的保护范围。
本领域内的技术人员应明白,术语用户终端涵盖任何适合类型的无线用户设备,例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。
一般来说,本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如,一些方面可以被实现在硬件中,而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中,尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现,例如在处理器实体中,或者通过硬件,或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤,或者可以表示相互连接的逻辑电路、模块和功能,或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现,例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型,例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。
通过示范性和非限制性的示例,上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑,对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的,但不偏离本发明的范围。因此,本发明的恰当范围将根据权利要求确定。
Claims (10)
1.一种监测数据模态改变的方法,其特征在于,包括:
获取预设历史性能数据;
若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
将不满足趋势一致性条件的所述改变点予以过滤。
2.根据权利要求1所述的方法,其特征在于,所述获取预设历史性能数据,包括:
获取预设时间段内的历史性能数据;
采用预设滤波器对所述性能历史数据进行去噪处理,得到所述预设历史性能数据。
3.根据权利要求1所述的方法,其特征在于,所述若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理,包括:
基于离散傅立叶变换DFT算法对所述预设历史性能数据进行周期性数据分析,确定所述预设历史性能数据是否为双周期性数据;其中,所述双周期性数据为天周期和周周期的数据;
若所述预设历史性能数据为双周期性数据,计算出多个周特定天内的所述预设历史性能数据的均值;
将每个周特定天内的所述预设历史性能数据减去对应的所述均值。
4.根据权利要求1所述的方法,其特征在于,所述对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点,包括:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的改变点数量与第一预设改变点数量进行比较;
若同一所述改变点时刻的所述改变点数量大于等于所述第一预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
5.根据权利要求4所述的方法,其特征在于,所述根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定,包括:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
计算每段所述预设历史性能数据的移动均值,其中,周期为天周期数据数;
对每个所述改变点的改变点左段移动均值、改变点右段移动均值和跨改变点左右段移动均值的均值线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第一阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
6.根据权利要求1所述的方法,其特征在于,所述对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点,包括:
以预设时间步长滚动读取所述预设历史性能数据,逐步进行所述预设历史性能数据的改变点检测,记录检测到的所述改变点和对应的改变点时刻;
若所述改变点检测的步数达到预设步数,将所述预设步数内检测出的同一所述改变点时刻的连续改变点数量与第二预设改变点数量进行比较;
若同一所述改变点时刻的所述连续改变点数量大于等于所述第二预设改变点数量,将这一所述改变点时刻的所述改变点予以保留,其余所述改变点予以过滤。
7.根据权利要求6所述的方法,其特征在于,所述根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定,包括:
以所述改变点为分割点,对所述预设历史性能数据进行分段;
对每个所述改变点的改变点左段数据、改变点右段数据和跨改变点左右段数据的数据线分别求线性回归,计算对应的单位长度统计量线性回归均方误差;
若改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差均小于第二阈值,且跨改变点左右段的单位长度统计量线性回归均方误差小于改变点左段的单位长度统计量线性回归均方误差和改变点右段的单位长度统计量线性回归均方误差中最大者的双倍,确定所述改变点满足所述趋势一致性条件。
8.一种监测数据模态改变的装置,其特征在于,包括:
数据获取模块,用于获取预设历史性能数据;
去周期性处理模块,用于若所述预设历史性能数据为双周期性数据,对所述预设历史性能数据进行去周期性预处理;
改变点确定模块,用于对所述预设历史性能数据进行改变点检测,确定所述预设历史性能数据中的改变点;
趋势一致性判定模块,用于根据每个所述改变点左右段的所述预设历史性能数据,对所述改变点进行趋势一致性判定;其中,所述预设历史性能数据以所述改变点为分割点进行分割;
改变点过滤模块,用于将不满足趋势一致性条件的所述改变点予以过滤。
9.一种设备,其特征在于,所述设备包括处理器以及存储器;
所述处理器用于执行存储器中存储的程序,以实现权利要求1-7任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010373317.5A CN113627696A (zh) | 2020-05-06 | 2020-05-06 | 一种监测数据模态改变的方法、装置、设备及存储介质 |
PCT/CN2021/081021 WO2021223515A1 (zh) | 2020-05-06 | 2021-03-16 | 一种监测数据模态改变的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010373317.5A CN113627696A (zh) | 2020-05-06 | 2020-05-06 | 一种监测数据模态改变的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627696A true CN113627696A (zh) | 2021-11-09 |
Family
ID=78376609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010373317.5A Pending CN113627696A (zh) | 2020-05-06 | 2020-05-06 | 一种监测数据模态改变的方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113627696A (zh) |
WO (1) | WO2021223515A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346745B (zh) * | 2010-08-02 | 2014-04-02 | 阿里巴巴集团控股有限公司 | 单词的用户行为数的预测方法和装置 |
SG11201400490RA (en) * | 2011-09-08 | 2014-06-27 | Tokyo Inst Tech | Method and program for detecting change-point of time series data, and method and program for predicting probability density distribution of future time-series data values |
CN103678514B (zh) * | 2013-11-26 | 2017-01-18 | 科大讯飞股份有限公司 | 一种业务趋势预测方法及系统 |
US9692674B1 (en) * | 2013-12-30 | 2017-06-27 | Google Inc. | Non-parametric change point detection |
CN108120796A (zh) * | 2017-11-20 | 2018-06-05 | 太原鹏跃电子科技有限公司 | 一种检测铁路蓄电池co32-时ph值突变点的测定计算方法 |
CN109828548B (zh) * | 2019-01-17 | 2020-03-17 | 西安交通大学 | 基于时间序列变化突变点检测的性能退化特征评估方法 |
-
2020
- 2020-05-06 CN CN202010373317.5A patent/CN113627696A/zh active Pending
-
2021
- 2021-03-16 WO PCT/CN2021/081021 patent/WO2021223515A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021223515A1 (zh) | 2021-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505196B (zh) | 物联网卡异常检测方法及装置 | |
US10379717B2 (en) | Device based visualization and analysis of multivariate data | |
CN111246564B (zh) | 基于mr数据的外部干扰定位方法及装置 | |
CN110442498B (zh) | 异常数据节点的定位方法、装置、存储介质及计算机设备 | |
CN104978578A (zh) | 手机拍照文本图像质量评估方法 | |
CN104657993A (zh) | 一种镜头遮挡检测方法及装置 | |
CN112448861B (zh) | 边缘设备的处理方法及装置、存储介质和处理器 | |
US10390238B1 (en) | System, method, and computer program for quantifying real-time business and service impact of underperforming, overloaded, or failed cells and sectors, and for implementing remedial actions prioritization | |
CN113903389A (zh) | 一种慢盘检测方法、装置及计算机可读写存储介质 | |
CN112784738A (zh) | 运动目标检测告警方法、装置以及计算机可读存储介质 | |
CN112839340A (zh) | 过覆盖区域检测方法、装置、设备和存储介质 | |
CN113674322A (zh) | 一种运动状态检测方法及相关装置 | |
CN113627696A (zh) | 一种监测数据模态改变的方法、装置、设备及存储介质 | |
CN111179136A (zh) | 一种动态管控方法、装置、电子设备 | |
US20220201694A1 (en) | External interference radar | |
CN113123955A (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN110647086A (zh) | 一种基于运行大数据分析的智能运维监控系统 | |
CN115334560A (zh) | 基站异常的监测方法、装置、设备及计算机可读存储介质 | |
CN110858954A (zh) | 数据处理方法、装置、设备和介质 | |
CN112232723B (zh) | 异常行为的实时检测方法、装置、电子设备及存储介质 | |
CN113627388A (zh) | 针对裸土覆盖情况的确定方法及装置 | |
CN114036711A (zh) | 一种网络质量劣化检测方法及系统 | |
US20210019397A1 (en) | Smoothed seasonality-based dynamic thresholds for anomalous computing resource usage detection | |
US20180234861A1 (en) | Controller node, method and computer programrat | |
CN111401824A (zh) | 工时计算方法及装置 |
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 |