一种性能指标实时预测方法、计算机设备及存储介质技术

本申请涉及一种性能指标实时预测方法、计算机设备及存储介质，其中，该方法包括：按照预定周期进行的模型训练和选择的步骤；性能指标预测的步骤；其中模型训练和选择的步骤，包括：获取性能指标上一时间段的时间序列数据；根据多个时间序列预测模型上一次训练得到的至少部分模型参数，使用上述时间序列数据迭代优化上述多个时间序列预测模型；评估本次训练得到的多个时间序列预测模型的预测精度；根据上述多个时间序列预测模型的预测精度选择该性能指标的时间序列预测模型；其中性能指标预测的步骤，包括：接收性能指标的流式时间序列数据，使用选择的时间序列预测模型对性能指标进行实时预测。通过本申请，提高了预测精度。

【技术实现步骤摘要】
一种性能指标实时预测方法、计算机设备及存储介质
本申请涉及性能监控
，尤其涉及一种性能指标实时预测方法、计算机设备及存储介质。
技术介绍
在性能监控应用场景中，按照时间间隔采集性能指标的值，得到性能指标的时间序列数据。性能指标预测用于异常检测。预测模型的表现很大一部分取决于它用在什么样的数据上。通常性能指标的数量是巨大的，预测非常频繁，并且为了及时发现异常通常是在线实时预测。而这些指标之间具有很大差异，很难找到一个或几个通用的模型(及模型参数)可以适用于所有的指标。此外，也难以针对每一个指标通过人工建模的方式来确定合适的模型参数。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种性能指标实时预测方法、计算机设备及存储介质。第一方面，本申请提供了一种性能指标实时预测方法，包括：按照预定周期进行的模型训练和选择的步骤；性能指标预测的步骤；其中，模型训练和选择的步骤，包括：获取性能指标上一时间段的时间序列数据，其中，该时间序列数据中相邻数据点之间的时间间隔相等；根据多个时间序列预测模型上一次本文档来自技高网...

【技术保护点】
1.一种性能指标实时预测方法，其特征在于，包括：按照预定周期进行的模型训练和选择的步骤；性能指标预测的步骤；/n其中，所述模型训练和选择的步骤，包括：/n获取性能指标上一时间段的时间序列数据，其中，所述时间序列数据中相邻数据点之间的时间间隔相等；/n根据多个时间序列预测模型上一次训练得到的至少部分模型参数，使用所述时间序列数据迭代优化所述多个时间序列预测模型；/n评估本次训练得到的多个时间序列预测模型的预测精度；以及/n根据所述多个时间序列预测模型的预测精度选择所述性能指标的时间序列预测模型；/n其中，所述性能指标预测的步骤，包括：接收所述性能指标的流式时间序列数据，使用选择的时间序列预测模型...

【技术特征摘要】
1.一种性能指标实时预测方法，其特征在于，包括：按照预定周期进行的模型训练和选择的步骤；性能指标预测的步骤；
其中，所述模型训练和选择的步骤，包括：
获取性能指标上一时间段的时间序列数据，其中，所述时间序列数据中相邻数据点之间的时间间隔相等；
根据多个时间序列预测模型上一次训练得到的至少部分模型参数，使用所述时间序列数据迭代优化所述多个时间序列预测模型；
评估本次训练得到的多个时间序列预测模型的预测精度；以及
根据所述多个时间序列预测模型的预测精度选择所述性能指标的时间序列预测模型；
其中，所述性能指标预测的步骤，包括：接收所述性能指标的流式时间序列数据，使用选择的时间序列预测模型对所述性能指标进行实时预测。


2.根据权利要求1所述的性能指标实时预测方法，其特征在于，所述模型训练和选择的步骤，还包括：按照时间先后顺序，将所述时间序列数据划分为训练样本集和验证样本集；其中，
使用所述时间序列数据迭代优化所述多个时间序列预测模型，包括：使用所述训练样本集迭代优化所述多个时间序列预测模型；
评估本次训练得到的多个时间序列预测模型的预测精度，包括：根据所述验证样本集评估本次训练得到的多个时间序列预测模型的预测精度。


3.根据权利要求1所述的性能指标实时预测方法，其特征在于，评估本次训练得到的多个时间序列预测模型的预测精度，包括：
使用基于所述时间序列数据的模型评估方法评估本次训练得到的多个时间序列预测模型的预测精度，其中，所述模型评估方法包括：赤池信息准则AIC或贝叶斯信息准则BIC。


4.根据权利要求1所述的性能指标实时预测方法，其特征在于，根据多个时间序列预测模型上一次训练得到的至少部分模型参数，使用所述时间序列数据迭代优化所述多个时间序列预测模型，包括：
获取所述上一时间段...

【专利技术属性】
技术研发人员：钟书毅，
申请(专利权)人：北京基调网络股份有限公司，
类型：发明
国别省市：北京;11