基于信息系统日志的故障时间空间预测方法及系统技术方案

本发明专利技术公开了基于信息系统日志的故障时间空间预测方法及系统，包括：获取信息系统当前时刻t之前的n个时间段内的时序日志数据x

【技术实现步骤摘要】
基于信息系统日志的故障时间空间预测方法及系统
本专利技术涉及数据处理
，具体涉及基于信息系统日志的故障时间空间预测方法及系统。
技术介绍
日志是一种反映信息系统运行轨迹的信息源，是每个信息系统必不可少的一部分。日志数据具有全业务范围、全时间类型、全时间维度的特性，蕴藏着信息系统运行的关键部分信息。在实际的生产工作中对运维人员进行系统维护和设备状态监控等活动有着至关重要的指导作用，利用日志数据可以提炼出较为有用的故障信息。现有技术中，基于日志数据进行故障预测只能预测出故障的有无，也就是在未来一段时间内是否会产生故障。虽然有很多改进的技术，旨在提高预测的准确性，比如利用组合分类器，通过组合多个分类器形成复合模型，最终分类结果通过各分类器投票表决，可以用集成学习的算法来得以实现。但是对于要产生的故障其他信息是未知的，比如什么时间产生故障、故障发生在信息系统的哪个位置，预知信息系统故障时间和空间，能提前采取相应策略以免故障的发生。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供了基于信息系统日志的故障本文档来自技高网...

【技术保护点】
1.基于信息系统日志的故障时间空间预测方法，其特征在于：包括：/n获取信息系统当前时刻t之前的n个时间段(t-n*Δt，t)内的时序日志数据x

【技术特征摘要】
1.基于信息系统日志的故障时间空间预测方法，其特征在于：包括：
获取信息系统当前时刻t之前的n个时间段(t-n*Δt，t)内的时序日志数据x1，进行预处理；
基于所述时序日志数据对未来一个时间段(t，t+Δt)内信息系统是否会产生故障进行判断：
若不会产生故障，则不进一步处理，并输出信息系统运行正常信息；
否则，进一步判断产生故障的具体时间点和空间位置，并输出包含时间空间信息的故障预警信息；
所述判断产生故障的具体时间点和空间位置采用多任务学习模型，对故障发生具体时间和位置这两个任务进行联合训练，并同时返回产生故障的具体时间点和空间位置。


2.根据权利要求1所述的基于信息系统日志的故障时间空间预测方法，其特征在于：所述基于所述时序日志数据获取未来一个时间段内信息系统是否会产生故障进行判断，采用基于分类的故障预测模型获取，故障预测模型采用的算法包括但不限于关联规则算法、决策树、神经网络、贝叶斯网络、支持向量机。


3.根据权利要求2所述的基于信息系统日志的故障时间空间预测方法，其特征在于：所述基于所述时序日志数据对未来一个时间段(t，t+Δt)内信息系统是否会产生故障进行判断，采用第一深度神经网络，
所述第一深度神经网络的训练过程为：采集历史时序日志数据，提取第一特征向量，形成训练样本集，所述第一特征向量包括与日志级别关联的特征，并将日志级别为alert、error、warning且持续时间大于第一预设阈值的日志作为故障日志数据进行标注，日志级别为notice、info、debug的日志作为非故障数据进行标注，进行故障预测训练；
所述第一深度神经网络的预测过程为：基于采集的(t-n*Δt，t)内的时序日志数据提取第一特征向量，输入第一深度神经网络，预测(t，t+Δt)的日志级别，若日志级别为warning级别以上，则确定(t，t+Δt)内会产生故障。


4.根据权利要求3所述的基于信息系统日志的故障时间空间预测方法，其特征在于：所述第一预设阈值根据闪电告警日志的持续时间确定。


5.根据权利要求1所述的基于信息系统日志的故障时间空间预测方法，其特征在于：所述多任务学习模型的训练过程为：采集历史故障时序日志数据，提取第二特征向量，形成训练样本集，所述第二特征向量包括与故障的位置和产生时间均关联的特征，并将故障的位置和产生时间作为标注数据进行训练；
所述多任务学习模型的预测过程为：基于采集的(t-n*Δt，t)内的时序日志数据中的故障数据，提取第二特征向量输入多任务学习模型，预测(t，t+...

【专利技术属性】
技术研发人员：吴树霖，朱京，赵子岩，李宏发，张江龙，高扬，李金凤，吴小华，张天奇，赵云龙，胡心颖，郭庆，杨彬彬，李小威，
申请(专利权)人：国网福建省电力有限公司信息通信分公司，国网福建省电力有限公司，国家电网有限公司信息通信分公司，安徽继远软件有限公司，国网信息通信产业集团有限公司，
类型：发明
国别省市：福建;35