一种容量评估模型建立方法、容量评估方法及装置制造方法及图纸

本发明专利技术实施例公开了一种容量评估模型建立方法、容量评估方法及装置，包括：获取待估容量参数的多组训练数据；对每一影响因素的数据值分别进行归一化，将归一化后的数据值代入初始关系式，得到每组训练数据对应待估容量参数的预测值的表达式；根据各组训练数据对应的待估容量参数的预测值的表达式、实际值，计算待估容量参数的误差函数，并将求得误差函数最小值时，回归系数满足设定条件的影响因素确定为关键影响因素；根据各关键影响因素，建立容量评估模型。可见，误差函数中包括用于约束弱影响因素参数约束项，因而，仅将满足设定条件的影响因素确定为关键影响因素，可起到自动筛选关键影响因素的作用，从而使得确定出的容量评估模型更加精确。

A capacity evaluation model establishment method, capacity evaluation method and device

The embodiment of the invention discloses a capacity evaluation model establishment method, a capacity evaluation method and a device, including: acquiring multi-group training data of the capacity parameter to be estimated; normalizing the data value of each influencing factor separately, substituting the normalized data value into the initial relational equation, and obtaining the training data of each group to be evaluated. According to the expression and actual value of the predicted value of the estimated capacity parameter corresponding to each group of training data, the error function of the estimated capacity parameter is calculated, and when the minimum value of the error function is obtained, the influencing factors that the regression coefficient meets the set conditions are determined as the key influencing factors; according to the various levels. Key factors affecting the establishment of capacity assessment model. It can be seen that the error function includes the parameter constraints used to constrain the weak influencing factors. Therefore, only the factors satisfying the set conditions are determined as the key influencing factors, which can automatically screen the key influencing factors, so that the capacity evaluation model is more accurate.

【技术实现步骤摘要】
一种容量评估模型建立方法、容量评估方法及装置
本专利技术涉及互联网金融
，尤其涉及一种容量评估模型建立方法、容量评估方法及装置。
技术介绍
在目前交易系统的运维过程中，常常需要对交易系统的容量进行评估，然而现有技术中的容量评估手段仍然停留在人工经验判断或是简单线性拟合得出容量模型的阶段，并没有可以生成容量评估模型的自动化工具可以使用。现有技术中，人工经验判断的方式常常是粗略地使用过往的容量表现数据，来人为地估计未来的容量使用情况，这种方式不仅不能达到较高的容量瓶颈预测精度，而且还存在过往的数据不能准确反应当前系统情况的问题。而线性拟合的方式常常是搜集一些可能影响容量目标的影响因素的相关数据，采用统计学线性拟合的方法得出容量模型，但是对采集到的相关数据中的各影响因素不加分辨地全量使用，将不可避免地引入一些实际上无关、重复或相关性较小的影响因素，使得建立的容量模型不够精确。若是在模型建立前加入人工筛选影响因素的步骤，又会进一步引入较高的人力成本，并使得建立的容量模型依托于技术人员的运维经验，无法达到科学定量的要求。因此，目前亟需要一种容量评估模型建立方法，用于解决现有技术中建立容量模型的过程中，由于引入了无关、重复或相关性较小的影响因素，而使得容量模型不够准确，容量瓶颈的预测精度较低的技术问题。
技术实现思路
本专利技术提供一种容量评估模型建立方法、容量评估方法及装置，用于解决现有技术中建立容量模型的过程中，由于引入了无关、重复或相关性较小的影响因素，而使得容量模型不够准确，容量瓶颈的预测精度较低的技术问题。本专利技术实施例提供的一种容量评估模型建立方法，所述方法应用于交易系统，所述方法包括：获取待估容量参数的多组训练数据，其中每组训练数据中包括所述待估容量参数的各影响因素的数据值，以及待估容量参数的实际值；所述待估容量参数为表征所述交易系统性能的任一参数；对所述多组训练数据中每一影响因素的数据值分别进行归一化，将归一化后的各影响因素的数据值代入初始关系式，得到每组训练数据对应的所述待估容量参数的预测值的表达式；其中，所述表达式中每个影响因素均对应一个回归系数；根据所述多组训练数据的实际值、所述预测值的表达式，计算所述待估容量参数的误差函数；所述误差函数中包括参数约束项，所述参数约束项用于在求解所述误差函数的过程中约束所述各影响因素中的弱影响因素；将求得所述误差函数的最小值时，所述各影响因素中回归系数满足设定条件的影响因素确定为关键影响因素；根据各关键影响因素，建立所述待估容量参数的容量评估模型。可选地，所述初始关系式满足如下公式：hθ(x)＝θ0+θ1x1+θ2x2+…+θnxn其中，hθ(x)表示所述待估容量参数的预测值，n为影响因素的数量，θ0为所述初始关系式中的常数系数，θ1至θn分别为第1个至第n个影响因素对应的回归系数；所述待估容量参数的误差函数满足如下公式：其中，J(θ)为所述待估容量参数的误差函数；n为影响因素的个数；m为训练数据的组数；hθ(xj)为第j组训练数据的预测值；yj为第j组训练数据的实际值，为所述参数约束项，θi为第i个影响因素对应的回归系数，α为所述参数约束项的缩放系数。可选地，通过如下方式求得所述误差函数的最小值，包括：采用梯度下降法迭代求解所述误差函数，若确定在第N次迭代过程中，所述误差函数的函数值小于等于预设值，则将所述函数值确定为所述误差函数的最小值。可选地，所述根据各个关键影响因素，建立所述待估容量参数的容量评估模型，包括：根据所述各个关键影响因素，以及在求得所述误差函数的最小值时所述各个关键影响因素的回归系数，建立所述待估容量参数的容量评估模型。可选地，所述根据各个关键影响因素，建立所述待估容量参数的容量评估模型，包括：根据归一化前所述多组训练数据中各个关键影响因素对应的数据，采用设定算法进行计算，建立所述待估容量参数的容量评估模型。本专利技术实施例提供的一种容量评估方法，所述方法应用于交易系统，所述方法包括：确定待估容量参数；根据所述待估容量参数对应的容量评估模型的各关键影响因素，采集所述各关键影响因素对应的数据；其中，所述容量目标对应的容量评估模型是通过上述权利要求1至5中所述的方法建立的；将所述各关键影响因素对应的数据输入所述容量评估模型中，得到所述待估容量参数的预测值。基于同样的专利技术构思，本专利技术实施例还提供的一种模型建立装置，所述装置包括：获取模块，用于获取待估容量参数的多组训练数据，其中每组训练数据中包括所述待估容量参数的各影响因素的数据值，以及待估容量参数的实际值；所述待估容量参数为表征所述交易系统性能的任一参数；处理模块，用于对所述多组训练数据中每一影响因素的数据值分别进行归一化，将归一化后的各影响因素的数据值代入初始关系式，得到每组训练数据对应的所述待估容量参数的预测值的表达式；其中，所述表达式中每个影响因素均对应一个回归系数；计算模块，用于根据所述多组训练数据的实际值、所述预测值的表达式，计算所述待估容量参数的误差函数，所述误差函数中包括参数约束项，所述参数约束项用于在求解所述误差函数的过程中约束所述各影响因素中的弱影响因素；建立模块，用于将求得所述误差函数的最小值时，所述各影响因素中回归系数满足设定条件的影响因素确定为关键影响因素；以及，根据各关键影响因素，建立所述待估容量参数的容量评估模型。可选地，所述初始关系式满足如下公式：hθ(x)＝θ0+θ1x1+θ2x2+…+θnxn其中，hθ(x)表示所述待估容量参数的预测值，n为影响因素的数量，θ0为所述初始关系式中的常数系数，θ1至θn分别为第1个至第n个影响因素对应的回归系数；所述待估容量参数的误差函数满足如下公式：其中，J(θ)为所述待估容量参数的误差函数；n为影响因素的个数；m为训练数据的组数；hθ(xj)为第j组训练数据的预测值；yj为第j组训练数据的实际值，为所述参数约束项，θi为第i个影响因素对应的回归系数，α为所述参数约束项的缩放系数。可选地，所述计算模块具体用于：采用梯度下降法迭代求解所述误差函数，若确定在第N次迭代过程中，所述误差函数的函数值小于等于预设值，则将所述函数值确定为所述误差函数的最小值。可选地，所述建立模块具体用于：根据所述各个关键影响因素，以及在求得所述误差函数的最小值时所述各个关键影响因素的回归系数，建立所述待估容量参数的容量评估模型。可选地，所述建立模块具体还用于：根据归一化前所述多组训练数据中各个关键影响因素对应的数据，采用设定算法进行计算，建立所述待估容量参数的容量评估模型。基于同样的专利技术构思，本专利技术实施例还提供的一种预测装置，所述装置包括：确定模块，用于确定待估容量参数；采集模块，用于根据所述待估容量参数对应的容量评估模型的各关键影响因素，采集所述各关键影响因素对应的数据；其中，所述容量目标对应的容量评估模型是通过上述权利要求1至5中所述的方法建立的；预测模块，用于将所述各关键影响因素对应的数据输入所述容量评估模型中，得到所述待估容量参数的预测值。本专利技术另一实施例提供了一种计算设备，其包括存储器和处理器，其中，所述存储器用于存储程序指令，所述处理器用于调用所述存储器中存储的程序指令，按照获得的程序执行上述任一种方法。本专利技术另一实施例提供了一种计算机存储本文档来自技高网...

【技术保护点】
1.一种容量评估模型建立方法，其特征在于，所述方法应用于交易系统，所述方法包括：获取待估容量参数的多组训练数据，其中每组训练数据中包括所述待估容量参数的各影响因素的数据值，以及待估容量参数的实际值；所述待估容量参数为表征所述交易系统性能的任一参数；对所述多组训练数据中每一影响因素的数据值分别进行归一化，将归一化后的各影响因素的数据值代入初始关系式，得到每组训练数据对应的所述待估容量参数的预测值的表达式；其中，所述表达式中每个影响因素均对应一个回归系数；根据所述多组训练数据的实际值、所述预测值的表达式，计算所述待估容量参数的误差函数；所述误差函数中包括参数约束项，所述参数约束项用于在求解所述误差函数的过程中约束所述各影响因素中的弱影响因素；将求得所述误差函数的最小值时，所述各影响因素中回归系数满足设定条件的影响因素确定为关键影响因素；根据各关键影响因素，建立所述待估容量参数的容量评估模型。

【技术特征摘要】
1.一种容量评估模型建立方法，其特征在于，所述方法应用于交易系统，所述方法包括：获取待估容量参数的多组训练数据，其中每组训练数据中包括所述待估容量参数的各影响因素的数据值，以及待估容量参数的实际值；所述待估容量参数为表征所述交易系统性能的任一参数；对所述多组训练数据中每一影响因素的数据值分别进行归一化，将归一化后的各影响因素的数据值代入初始关系式，得到每组训练数据对应的所述待估容量参数的预测值的表达式；其中，所述表达式中每个影响因素均对应一个回归系数；根据所述多组训练数据的实际值、所述预测值的表达式，计算所述待估容量参数的误差函数；所述误差函数中包括参数约束项，所述参数约束项用于在求解所述误差函数的过程中约束所述各影响因素中的弱影响因素；将求得所述误差函数的最小值时，所述各影响因素中回归系数满足设定条件的影响因素确定为关键影响因素；根据各关键影响因素，建立所述待估容量参数的容量评估模型。2.根据权利要求1所述的方法，其特征在于，所述初始关系式满足如下公式：hθ(x)＝θ0+θ1x1+θ2x2+…+θnxn其中，hθ(x)表示所述待估容量参数的预测值，n为影响因素的数量，θ0为所述初始关系式中的常数系数，θ1至θn分别为第1个至第n个影响因素对应的回归系数；所述待估容量参数的误差函数满足如下公式：其中，J(θ)为所述待估容量参数的误差函数；n为影响因素的个数；m为训练数据的组数；hθ(xj)为第j组训练数据的预测值；yj为第j组训练数据的实际值，为所述参数约束项，θi为第i个影响因素对应的回归系数，α为所述参数约束项的缩放系数。3.根据权利要求1所述的方法，其特征在于，通过如下方式求得所述误差函数的最小值，包括：采用梯度下降法迭代求解所述误差函数，若确定在第N次迭代过程中，所述误差函数的函数值小于等于预设值，则将所述函数值确定为所述误差函数的最小值。4.根据权利要求1所述的方法，其特征在于，所述根据各个关键影响因素，建立所述待估容量参数的容量评估模型，包括：根据所述各个关键影响因素，以及在求得所述误差函数的最小值时所述各个关键影响因素的回归系数，建立所述待估容量参数的容量评估模型。5.根据权利要求1所述的方法，其特征在于，所述根据各个关键影响因素，建立所述待估容量参数的容量评估模型，包括：根据归一化前所述多组训练数据中各个关键影响因素对应的数据，采用设定算法进行计算，建立所述待估容量参数的容量评估模型。6.一种容量评估方法，其特征在于，所述方法应用于交易系统，所述方法包括：确定待估容量参数；根据所述待估容量参数对应的容量评估模型的各关键影响因素，采集所述各关键影响因素对应的数据；其中，所述容量目标对应的容量评估模型是通过上述权利要求1至5中所述的方法建立的；将所述各关键影响因素对应的数据输入所述容量评估模型中，得到所述待估容量参数的预测值。7.一种模型建立装置，其特征在于，所述装置包括：获取模块，用于获取待估容量参数的多组训练数据，其中每组训练数据中包括所述待...

【专利技术属性】
技术研发人员：蔡方龙，王影，林诰，刘金杰，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：上海,31