异常数据的报警方法和装置制造方法及图纸

本发明专利技术涉及一种异常数据的报警方法，包括：获取预设时间段内的历史运营数据和当前运营数据；建立所述历史运营数据对应的趋势模型；计算所述历史运营数据对应的周期性因子；利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值；利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率；当所述预测比率大于所述报警阈值时，对所述异常数据生成报警信息。采用本方法对异常数据进行预警时能够有效节省操作时间提高工作效率。此外还提供一种异常数据的报警装置。

Alarming method and device for abnormal data

The invention relates to a method of alarm, abnormal data includes: acquiring preset time history operation data and current operation data; trend model the historical operation data of the corresponding; periodic factor calculation of the historical data corresponding to the operation; using the trend model and the periodic factor calculation the abnormal alarm data of current operation data of the threshold; prediction the current operational data values using the trend model and cyclical factors, and the value and the current operation data calculation of the corresponding prediction ratio prediction according to the forecast; when the ratio is greater than the alarm threshold, the alarm information of the abnormal data generation. When the method is used to warn the abnormal data, the operation time can be effectively saved and the work efficiency can be improved. In addition, an alarm device for abnormal data is provided.

【技术实现步骤摘要】
异常数据的报警方法和装置
本专利技术涉及计算机
，特别是涉及一种异常数据的报警方法和装置。
技术介绍
随着企业的发展，企业推出的产品越来越多，与产品相关的运营数据也越来越庞杂。企业的运营人员通过需要花费大量的时间来监测运营数据是否出现异常。例如，监测当天的运营数据是否突然有较大幅度的增加或减少，以及与历史数据的发展趋势有较大幅度的偏离等。传统的方式，运营人员是基于运营数据图形化的趋势图通过肉眼来判断是否出现异常数据。这种方式耗费大量的操作时间，工作效率较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效节省操作时间提高工作效率的异常数据的报警方法和装置。一种异常数据的报警方法，包括：获取预设时间段内的历史运营数据和当前运营数据；建立所述历史运营数据对应的趋势模型；计算所述历史运营数据对应的周期性因子；利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值；利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率；当所述预测比率大于所述报警阈值时，对所述异常数据生成报警信息。在其中一个实施例中，所述预设时间段包括多个时间周期；所述建立所述历史运营数据对应的趋势模型的步骤包括：计算时间周期内的历史运营数据的周期均值；拟合所述周期均值对应的趋势模型。在其中一个实施例中，所述时间周期包括多个子周期；所述计算所述历史运营数据对应的周期性因子的步骤包括：获取子周期内的历史运营数据；利用所述子周期内的历史运营数据与所述周期均值计算对应的子周期因子；利用所述子周期因子分别计算每个子周期对应的周期性因子。在其中一个实施例中，所述利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值的步骤包括：利用所述趋势模型推算所述预设时间段内的历史运营数据的周期均值的拟合值；利用推算出的周期均值的拟合值与所述周期性因子得到历史运营数据拟合值；根据所述历史运营数据拟合值与历史运营数据计算拟合比率；根据所述拟合比率确定当前运营数据中异常数据的报警阈值。在其中一个实施例中，所述利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率的步骤包括：利用所述趋势模型推算当前运营数据在当前时间周期内的周期预测均值；利用所述周期预测均值与所述周期性因子得到对应的周期预测值；根据所述周期预测值与所述当前运营数据计算对应的预测比率。一种异常数据的报警装置，包括：获取模块，用于获取预设时间段内的历史运营数据和当前运营数据；建模模块，用于建立所述历史运营数据对应的趋势模型；计算所述历史运营数据对应的周期性因子；计算模块，用于利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值；利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率；报警模块，用于当所述预测比率大于所述报警阈值时，对所述异常数据生成报警信息。在其中一个实施例中，所述预设时间段包括多个时间周期；所述计算模块还用于计算时间周期内的历史运营数据的周期均值；所述建模模块还用于拟合所述周期均值对应的趋势模型。在其中一个实施例中，所述时间周期包括多个子周期；所述获取模块还用于获取子周期内的历史运营数据；所述计算模块还用于利用所述子周期内的历史运营数据与所述周期均值计算对应的子周期因子；利用所述子周期因子分别计算每个子周期对应的周期性因子。在其中一个实施例中，所述计算模块还用于利用所述趋势模型推算所述预设时间段内的历史运营数据的周期均值的拟合值；利用推算出的周期均值的拟合值与所述周期性因子得到历史运营数据拟合值；根据所述历史运营数据拟合值与历史运营数据计算拟合比率；根据所述拟合比率确定当前运营数据中异常数据的报警阈值。在其中一个实施例中，所述计算模块还用于利用所述趋势模型推算当前运营数据在当前时间周期内的周期预测均值；利用所述周期预测均值与所述周期性因子得到对应的周期预测值；根据所述周期预测值与所述当前运营数据计算对应的预测比率。上述异常数据的报警方法和装置，通过利用预设时间段内的历史运营数据建立对应的趋势模型以及计算历史运营数据对应的周期性因子，从而能够利用趋势模型和周期性因子计算出当前运营数据中异常数据的报警阈值。利用趋势模型和周期性因子计算当前运营数据的预测值，并根据预测值与当前运营数据计算出对应的预测比率。将报警阈值与预测比率进行比对，如果预测比率大于报警阈值，则对异常数据生成报警信息。在整个过程中无需人工通过肉眼来判断当前运营数据中是否存在异常数据，因此在对异常数据进行预警时能够有效节省操作时间，提高工作效率。附图说明图1为一个实施例中异常数据的报警方法流程图；图2为一个实施例中处理异常数据的报警方法的服务器的示意图；图3为一个实施例中异常数据的报警装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在一个实施例中，如图1所示，提供了一种异常数据的报警方法，以该方法应用于服务器为例进行说明，具体包括：步骤102，获取预设时间段内的历史运营数据和当前运营数据。运营数据是指企业在产品运营过程中产生的相关数据。以软件产品为例，运营数据包括用户、充值金额以及访问量等。预设时间段可以是过去一个月、过去一个季度以及过去一年等多种情形。预设时间段可以整月、整季度，也可以是跨月、跨季度等，例如，从过去1月的某一天到过去4月的某一天等。运营数据存储在数据库中，服务器从数据库中获取预设时间段内的历史运营数据以及当前运营数据。数据库可以是部署在服务器上，也可以部署在独立于服务器之外的其他存储设备上。步骤104，建立历史运营数据对应的趋势模型。预设时间段包括多个时间周期。例如，如果预设时间段为过去一年，则时间周期为一个月；如果预设时间段为过去一个季度，则时间周期为一周。服务器计算每个时间周期内的历史运营数据的周期均值，并通过线性回归的方式拟合出周期均值对应的趋势模型。趋势模型能够反映历史运营数据发展趋势的特点。步骤106，计算历史运营数据对应的周期性因子。时间周期包括多个子周期。例如，如果时间周期为一个月，则子周期为一周；如果时间周期为一周，则子周期为一天。服务器获取子周期内的历史运营数据，并利用子周期内的历史运营数据与周期均值计算对应的子周期因子。服务器利用子周期因子分别计算每个子周期对应的周期性因子。周期性因子(也叫做周期模型)能够反映历史运营数据周期性变化的特点。步骤108，利用趋势模型和周期性因子计算当前运营数据中异常数据的报警阈值。服务器利用趋势模型来推算预设时间段内的历史运营数据的周期均值的拟合值，并利用推算出的周期均值的拟合值与周期性因子得到历史运营数据拟合值。服务器根据历史运营数据拟合值与历史运营数据计算拟合比率，根据拟合比率确定当前运营数据中异常数据的报警阈值。步骤110，利用趋势模型和周期性因子计算当前运营数据的预测值，并且根据预测值与当前运营数据计算对应的预测比率。服务器利用趋势模型来推算当前运营数据在本文档来自技高网...

【技术保护点】
一种异常数据的报警方法，包括：获取预设时间段内的历史运营数据和当前运营数据；建立所述历史运营数据对应的趋势模型；计算所述历史运营数据对应的周期性因子；利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值；利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率；当所述预测比率大于所述报警阈值时，对所述异常数据生成报警信息。

【技术特征摘要】
1.一种异常数据的报警方法，包括：获取预设时间段内的历史运营数据和当前运营数据；建立所述历史运营数据对应的趋势模型；计算所述历史运营数据对应的周期性因子；利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值；利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率；当所述预测比率大于所述报警阈值时，对所述异常数据生成报警信息。2.根据权利要求1所述的异常数据的报警方法，其特征在于，所述预设时间段包括多个时间周期；所述建立所述历史运营数据对应的趋势模型的步骤包括：计算时间周期内的历史运营数据的周期均值；拟合所述周期均值对应的趋势模型。3.根据权利要求2所述的异常数据的报警方法，其特征在于，所述时间周期包括多个子周期；所述计算所述历史运营数据对应的周期性因子的步骤包括：获取子周期内的历史运营数据；利用所述子周期内的历史运营数据与所述周期均值计算对应的子周期因子；利用所述子周期因子分别计算每个子周期对应的周期性因子。4.根据权利要求1所述的异常数据的报警方法，其特征在于，所述利用所述趋势模型和所述周期性因子计算所述当前运营数据中异常数据的报警阈值的步骤包括：利用所述趋势模型推算所述预设时间段内的历史运营数据的周期均值的拟合值；利用推算出的周期均值的拟合值与所述周期性因子得到历史运营数据拟合值；根据所述历史运营数据拟合值与历史运营数据计算拟合比率；根据所述拟合比率确定当前运营数据中异常数据的报警阈值。5.根据权利要求1所述的异常数据的报警方法，其特征在于，所述利用所述趋势模型和周期性因子计算所述当前运营数据的预测值，并且根据所述预测值与所述当前运营数据计算对应的预测比率的步骤包括：利用所述趋势模型推算当前运营数据在当前时间周期内的周期预测均值；利用所述周期预测均值与所述周期性因子得到对应...

【专利技术属性】
技术研发人员：温健鸿，
申请(专利权)人：博雅网络游戏开发深圳有限公司，
类型：发明
国别省市：广东,44