状态检测方法、装置、设备及存储介质制造方法及图纸

本公开提供一种状态检测方法、装置、设备及存储介质，涉及数据处理技术领域。该方法包括：获得初始指标数据，初始指标数据包括多个种类状态指标的时间序列数据；对初始指标数据进行预处理得到输入数据，输入数据包括多个种类状态指标的第一预定时长的时间序列数据；基于输入数据通过循环神经网络得到时间特征数据，时间特征数据表征多个种类状态指标中的各个种类状态指标在第一预定时长内的特性；基于输入数据通过卷积神经网络得到空间特征数据，空间特征数据表征多个种类状态指标的综合特性；将时间特征数据和空间特征数据进行整合得到待分类数据；将待分类数据通过分类器进行处理得到状态检测结果，一定程度上提高了状态检测的准确度。

State detection method, device, equipment and storage medium

【技术实现步骤摘要】
状态检测方法、装置、设备及存储介质
本公开涉及数据处理领域，具体而言，涉及一种状态检测方法、装置、设备及可读存储介质。
技术介绍
随着企业业务信息化的深入，互联网技术(InternetTechnology，IT)设备及软件的运行维护工作变得越来越复杂和重要。对于与企业的服务至关重要的一些IT实体，例如服务器、飞行器、机器人辅助系统及引擎等等，通常具有一些相关指标来表征它们的运行情况，例如服务器的中央处理器指标、网络指标、内存占用情况，飞行器的辐射情况、温度、功率等。在企业运维中，需要通过采集实体的指标以获得其运行状态，便于及时处理异常情况。一些相关技术中采用静态阈值检测方式，但在阈值设定过高时漏告警数量较多，导致质量隐患难以发现；而在阈值设定过低时告警数量过多，会引发告警风暴，从而干扰业务运维人员的判断。另一些相关技术中采用单指标异常状态检测方式，但在运维过程中获得的一些指标孤立来看可能并没有异常，但实体运行状态是存在异常的；另一些指标孤立来看存在异常，但实体运行状态是正常的，从而导致实体运行状况判断准确度较低。r>如上所述，如何提本文档来自技高网...

【技术保护点】
1.一种状态检测方法，其特征在于，包括：/n获得初始指标数据，所述初始指标数据包括多个种类状态指标的时间序列数据；/n对所述初始指标数据进行预处理得到输入数据，所述输入数据包括所述多个种类状态指标的第一预定时长的时间序列数据；/n基于所述输入数据通过循环神经网络得到时间特征数据，所述时间特征数据表征所述多个种类状态指标中的各个种类状态指标在所述第一预定时长内的特性；/n基于所述输入数据通过卷积神经网络得到空间特征数据，所述空间特征数据表征所述多个种类状态指标的综合特性；/n将所述时间特征数据和所述空间特征数据进行整合得到待分类数据；/n将所述待分类数据通过分类器进行处理得到状态检测结果。/n

【技术特征摘要】
1.一种状态检测方法，其特征在于，包括：
获得初始指标数据，所述初始指标数据包括多个种类状态指标的时间序列数据；
对所述初始指标数据进行预处理得到输入数据，所述输入数据包括所述多个种类状态指标的第一预定时长的时间序列数据；
基于所述输入数据通过循环神经网络得到时间特征数据，所述时间特征数据表征所述多个种类状态指标中的各个种类状态指标在所述第一预定时长内的特性；
基于所述输入数据通过卷积神经网络得到空间特征数据，所述空间特征数据表征所述多个种类状态指标的综合特性；
将所述时间特征数据和所述空间特征数据进行整合得到待分类数据；
将所述待分类数据通过分类器进行处理得到状态检测结果。


2.根据权利要求1所述的方法，其特征在于，所述循环神经网络包括长短期记忆网络层和正则化层；
所述基于所述输入数据通过循环神经网络得到时间特征数据包括：
对所述输入数据进行维度转换，获得第一网络数据，所述第一网络数据包括多个时间步的指标数据，所述多个时间步的指标数据中的各个时间步的指标数据包括所述多个种类状态指标的第二预定时长的时间序列数据，所述多个时间步的数量表征状态持续时长，所述第二预定时长根据所述第一预定时长和所述多个时间步的数量得到；
将所述第一网络数据输入所述循环神经网络，通过所述长短期记忆网络层和所述正则化层基于多个时间步对所述第一网络数据进行处理，得到所述时间特征数据，所述时间特征数据表征所述多个种类状态指标中的各个种类状态指标在所述第二预定时长内的特性。


3.根据权利要求2所述的方法，其特征在于，所述长短期记忆网络层具有注意力机制。


4.根据权利要求2所述的方法，其特征在于，所述卷积神经网络包括多个卷积层和全局池化层，所述多个卷积层中的各个卷积层包括归一化层和激活函数，所述激活函数为指数线性函数；
所述基于所述输入数据通过卷积神经网络得到空间特征数据包括：
将所述输入数据通过所述归一化层进行归一化处理获得归一化输入数据；
将所述归一化输入数据进行卷积处理后通过所述激活函数得到空间特征图；
通过所述全局池化层对所述空间特征图进行平均池化处理得到所述空间特征数据。


5.根据权利要求4所述的方法，其特征在于，所述多个卷积层的所述各个卷积层包括多个通道，所述多个通道的数量为所述第二预定时长的时间序列数据量；
所述多个卷积层包括第一卷积层、第二卷积层和第三卷积层，所述第二卷积层具有通道权重调整机制；
所述将所述输入数据通过所述归一化层进行归一化处理获得归一化输入数据，将所述归一化输入数据进行卷积处理后通过所述激活函数得到空间特征图包括：
将所述输入数据通过所述第一卷积层的所述归一化层进行归一化处理获得第一归一化输入数据；
将所述第一归一化输入数据进行卷积处理后通过所述第一卷积层的激活函数得到第一空间特征图；
将所述第一空间特征图通过所述第二卷积层的所述归一化层进行归一化处理获得第二归一化输入数据；
将所述第二归一化输入数据进行卷积处理后通过所述...

【专利技术属性】
技术研发人员：张静，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：北京;11