【技术实现步骤摘要】
基于大数据和机器学习的智能运维方法
本专利技术属于智能运维
，尤其涉及一种基于大数据和机器学习的智能运维方法。
技术介绍
随着科学技术的不断发展，各种机电设备广泛应用到高速公路管理中，并且呈现智能化。信息化、网络化发展趋势，极大地提高我国高速公路管理水平。但是高速公路机电系统具有较强的专业性，其技术管理水平要求较高，给高速公路机电管理系统的管理带来很大的难题。因此，在高速公路的管理过程中，加强机电系统的养护工作，不仅有助于延长机电系统的使用寿命，还有助于提高高速公路的管理水平。因此，如何采用有效的架构统一化地实现远程运维中心的远程运维对高速自动化设备的运行维护、确保高速公路的正常运营具有重要意义。
技术实现思路
本专利技术针对上述的高速公路所使用的机电设备的运行维护所存在的技术问题，提出一种设计合理、方法简单且能够有效实现异常数据监测的基于大数据和机器学习的智能运维方法。为了达到上述目的，本专利技术采用的技术方案为，本专利技术提供一种基于大数据和机器学习的智能运维方法，包括以下有效步骤：
【技术保护点】
1.一种基于大数据和机器学习的智能运维方法，其特征在于，包括以下有效步骤：/na、首先通过运维监控工具获取机电设备的关键性能指标的历史数据；/nb、以时间点为横坐标、以关键性能数据为纵坐标构件关键性能指标的线性图；/nc、根据b步骤所得到的线性图，标记出关键性能指标中的正常数据部分和异常数据部分；/nd、将筛选出来的正常数据部分作为特征信号，并对特征信号进行排列熵计算，使其作为异常数据部分的向量；/ne、将排列熵计算的结果带入分类器内进行训练，得到机器学习模型；/nf、将新产生的关键性能指标的数据导入到机器学习模型内，即可获知是否异常。/n
【技术特征摘要】
1.一种基于大数据和机器学习的智能运维方法，其特征在于，包括以下有效步骤：
a、首先通过运维监控工具获取机电设备的关键性能指标的历史数据；
b、以时间点为横坐标、以关键性能数据为纵坐标构件关键性能指标的线性图；
c、根据b步骤所得到的线性图，标记出关键性能指标中的正常数据部分和异常数据部分；
d、将筛选出来的正常数据部分作为特征信号，并对特征信号进行排列熵计算，使其作为异常数据部分的向量；
e、将排列熵计算的结果带入分类器内进行训练，得到机器学习模型；
f、将新产生的关键性能指标的数据导入到机器学习模型内，即可获知是否异常。
2.根据权利要求1所述的基于大数据和机器学...
【专利技术属性】
技术研发人员：闫军，邵常池，柳晓妍，张昭书，
申请(专利权)人：山东通维信息工程有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。