一种数据处理方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种数据处理方法、装置及电子设备，本发明专利技术中，针对每一功能模块，均有对应的数据处理子模型，进而能够根据对应的数据处理子模型确定功能模块的故障预测值，能够避免人工根据经验进行故障值预测导致预测得到的故障值准确度较低的情况，提高故障预测值的准确性。此外，本发明专利技术中，功能模块包括至少一个功能子模块，在故障预测值大于预设阈值的情况下，基于各个功能子模块的故障预测值，确定出需要进行故障修复的目标功能子模块，并确定出目标功能子模块的故障修复规则。即本发明专利技术能够从目标功能子模块这一细粒度更小的层面进行故障修复规则的确定，相比于人工根据经验确定故障修复规则的方式，能够提高故障修复规则确定的准确度。定的准确度。定的准确度。

【技术实现步骤摘要】
一种数据处理方法、装置及电子设备


[0001]本专利技术涉及数据处理领域，更具体的说，涉及一种数据处理方法、装置及电子设备。

技术介绍

[0002]随着用户数量的不断增加，银行系统若出现异常，则会影响用户的使用体验。
[0003]目前，为了避免银行系统异常导致的系统瘫痪而不能为用户提供服务的情况发生，常采用人工根据经验预测银行系统可能的故障点并进行故障修正规则的确定，以基于故障修正规则提前进行故障修复，避免故障发生。
[0004]但是这种方式准确性较低，使得预测的银行系统的故障点的准确性较低，以及确定的故障修正规则的准确度较低。

技术实现思路

[0005]有鉴于此，本专利技术提供一种数据处理方法、装置及电子设备，以解决人工根据经验预测银行系统的故障点并进行故障修正规则的确定的准确性较低的问题。
[0006]为解决上述技术问题，本专利技术采用了如下技术方案：
[0007]一种数据处理方法，应用于银行系统中的控制器，所述银行系统包括多个功能模块，所述功能模块包括至少一个功能子模块；所述数据处理方法包括：
[0008]获取所述银行系统的数据处理模型，所述数据处理模型包括多个数据处理子模型，所述数据处理子模型对应所述银行系统中的相应的功能模块；
[0009]使用所述数据处理子模型对相应的功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值，并基于所述功能模块的各个功能子模块的故障预测值，计算所述功能模块的故障预测值；
[0010]基于不同的所述功能模块之间的关联关系，确定各个所述功能模块的权重值，并根据各个所述功能模块的权重值以及故障预测值，计算所述银行系统的故障预测值；
[0011]在所述银行系统的故障预测值大于预设预测阈值的情况下，基于各个所述功能子模块的故障预测值，确定出需要进行故障修复的目标功能子模块，并确定出所述目标功能子模块的故障修复规则。
[0012]可选地，使用所述数据处理子模型对相应的功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值，并基于所述功能模块的各个功能子模块的故障预测值，计算所述功能模块的故障预测值，包括：
[0013]获取功能模块的各个功能子模块的运行数据；
[0014]使用所述功能模块对应的数据处理子模型对所述功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值；
[0015]对所述功能模块的各个功能子模块的故障预测值进行求和，得到所述功能模块的故障预测值。
[0016]可选地，基于不同的所述功能模块之间的关联关系，确定各个所述功能模块的权重值，并根据各个所述功能模块的权重值以及故障预测值，计算所述银行系统的故障预测值，包括：
[0017]获取基于功能模块对应的数据处理子模型，得到的所述功能模块的故障点总数，并将所述故障点总数作为所述功能模块的初始权重值；
[0018]基于不同的所述功能模块之间的关联关系，对所述功能模块的初始权重值进行修正，得到所述功能模块的权重值；
[0019]将各个所述功能模块的权重值与故障预测值的乘积之和，作为所述银行系统的故障预测值。
[0020]可选地，将各个所述功能模块的权重值与故障预测值的乘积之和，作为所述银行系统的故障预测值，包括：
[0021]基于不同的所述功能模块之间的关联关系，确定不同的功能模块中存在功能重合的功能子模块，以及存在功能相关的功能子模块；
[0022]对于存在功能重合的功能子模块，将存在功能重合的功能子模块中的故障预测值较小的功能子模块的故障预测值删除，并重新确定包括故障预测值较小的功能子模块的功能模块的故障预测值；
[0023]对于存在功能相关的功能子模块，计算所述存在功能相关的功能子模块对应的功能模块中，将所述存在功能相关的功能子模块的故障预测值删除后，所述功能模块对应的新的故障预测值；
[0024]筛选出对应的新的故障预测值较小的功能模块，并将所述功能模块对应的新的故障预测值作为所述功能模块的故障预测值；
[0025]将各个所述功能模块的权重值与对应的故障预测值的乘积之和，作为所述银行系统的故障预测值。
[0026]可选地，基于各个所述功能子模块的故障预测值，确定出需要进行故障修复的目标功能子模块，并确定出所述目标功能子模块的故障修复规则，包括：
[0027]获取基于功能模块对应的数据处理子模型，得到的所述功能模块的各个功能子模块的故障点数；
[0028]将所述功能子模块的故障点数与所述功能子模块对应的功能模块的故障预测值的乘积作为所述功能子模块的故障修复参数；
[0029]筛选出故障修复参数大于预设修复阈值的功能子模块，并作为候选功能子模块；
[0030]根据所述候选功能子模块的历史故障平均值以及故障预测值，确定需要进行故障修复的目标功能子模块，并确定所述目标功能子模块的故障修复规则。
[0031]可选地，根据所述候选功能子模块的历史故障平均值以及故障预测值，确定需要进行故障修复的目标功能子模块，并确定所述目标功能子模块的故障修复规则，包括：
[0032]对所述候选功能子模块进行分组，得到多个组合；每一所述组合包括预设数量的候选功能子模块；
[0033]对于每一所述组合，计算所述组合中的候选功能子模块的故障预测值相对于历史故障平均值的偏离度；
[0034]确定将候选功能子模块的偏离度调整为设定偏离度的故障修复规则，并计算在所
述组合中的候选功能子模块进行修复的情况下，所述银行系统的新的故障预测值；
[0035]在存在所述银行系统的新的故障预测值小于所述预设预测阈值的情况下，将最小的新的故障预测值对应的组合中的候选功能子模块作为目标功能子模块，并输出所述目标功能子模块对应的故障修复规则。
[0036]可选地，在不存在所述银行系统的新的故障预测值大于所述预设预测阈值的情况下，还包括：
[0037]调整所述设定偏离度的大小，并返回确定将候选功能子模块的偏离度调整为设定偏离度的故障修复规则这一步骤，直至存在所述银行系统的新的故障预测值小于所述预设预测阈值时停止，将最小的新的故障预测值对应的组合中的候选功能子模块作为目标功能子模块，并输出所述目标功能子模块对应的故障修复规则。
[0038]一种数据处理装置，应用于银行系统中的控制器，所述银行系统包括多个功能模块，所述功能模块包括至少一个功能子模块；所述数据处理装置包括：
[0039]模型获取模块，用于获取所述银行系统的数据处理模型，所述数据处理模型包括多个数据处理子模型，所述数据处理子模型对应所述银行系统中的相应的功能模块；
[0040]第一故障预测模块，用于使用所述数据处理子模型对相应的功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值，并基于所述功能模块的各个功能子模块的故障预测值，计算所述功能模块的故障预测值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，应用于银行系统中的控制器，所述银行系统包括多个功能模块，所述功能模块包括至少一个功能子模块；所述数据处理方法包括：获取所述银行系统的数据处理模型，所述数据处理模型包括多个数据处理子模型，所述数据处理子模型对应所述银行系统中的相应的功能模块；使用所述数据处理子模型对相应的功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值，并基于所述功能模块的各个功能子模块的故障预测值，计算所述功能模块的故障预测值；基于不同的所述功能模块之间的关联关系，确定各个所述功能模块的权重值，并根据各个所述功能模块的权重值以及故障预测值，计算所述银行系统的故障预测值；在所述银行系统的故障预测值大于预设预测阈值的情况下，基于各个所述功能子模块的故障预测值，确定出需要进行故障修复的目标功能子模块，并确定出所述目标功能子模块的故障修复规则。2.根据权利要求1所述的数据处理方法，其特征在于，使用所述数据处理子模型对相应的功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值，并基于所述功能模块的各个功能子模块的故障预测值，计算所述功能模块的故障预测值，包括：获取功能模块的各个功能子模块的运行数据；使用所述功能模块对应的数据处理子模型对所述功能模块的各个功能子模块的运行数据进行数据处理，得到所述功能子模块的故障预测值；对所述功能模块的各个功能子模块的故障预测值进行求和，得到所述功能模块的故障预测值。3.根据权利要求1所述的数据处理方法，其特征在于，基于不同的所述功能模块之间的关联关系，确定各个所述功能模块的权重值，并根据各个所述功能模块的权重值以及故障预测值，计算所述银行系统的故障预测值，包括：获取基于功能模块对应的数据处理子模型，得到的所述功能模块的故障点总数，并将所述故障点总数作为所述功能模块的初始权重值；基于不同的所述功能模块之间的关联关系，对所述功能模块的初始权重值进行修正，得到所述功能模块的权重值；将各个所述功能模块的权重值与故障预测值的乘积之和，作为所述银行系统的故障预测值。4.根据权利要求3所述的数据处理方法，其特征在于，将各个所述功能模块的权重值与故障预测值的乘积之和，作为所述银行系统的故障预测值，包括：基于不同的所述功能模块之间的关联关系，确定不同的功能模块中存在功能重合的功能子模块，以及存在功能相关的功能子模块；对于存在功能重合的功能子模块，将存在功能重合的功能子模块中的故障预测值较小的功能子模块的故障预测值删除，并重新确定包括故障预测值较小的功能子模块的功能模块的故障预测值；对于存在功能相关的功能子模块，计算所述存在功能相关的功能子模块对应的功能模块中，将所述存在功能相关的功能子模块的故障预测值删除后，所述功能模块对应的新的
故障预测值；筛选出对应的新的故障预测值较小的功能模块，并将所述功能模块对应的新的故障预测值作为所述功能模块的故障预测值；将各个所述功能模块的权重值与对应的故障预测值的乘积之和，作为所述银行系统的故障预测值。5.根据权利要求1所述的数据处理方法，其特征在于，基于各个所述功能子模块的故障预测值，确定出需要进行故障修复的目标功能子模块，并确定出所述目标功能子模块的故障修复规则，包括：获取基于功能模块对应的数据处理子模型，得到的所述功能模块的各个功能...

【专利技术属性】
技术研发人员：申亚坤，丁锐，陶威，谭莹坤，周慧婷，刘烨敏，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：