本发明专利技术的实施例提供一种时间序列数据的预测方法、装置及设备，方法包括：获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。本发明专利技术的实施例提高了单指标时间序列预测的准确率。率。率。
【技术实现步骤摘要】
一种时间序列数据的预测方法、装置及设备
[0001]本专利技术涉及运维数据处理
，特别是指一种时间序列数据的预测方法、装置及设备。
技术介绍
[0002]运维领域有基础监控指标、中间件指标、业务指标、其他指标。基础监控指标有如下：CPU使用率、内存使用率、磁盘使用率、容积健康度等。中间件指标包含Kafka积压数量、MQ队列大小、Redis存活状态、ES集群节点数、MYSQL读写数、Tomcat进程数等。业务指标指的是：交易量、相应时间、请求总数、成功数及成功率、失败数及失败率等。对自身业务具有直接联系的指标等关键性能指标进行精准监控，形成的数据称之为单指标时间序列数据。随着技术的发展，对单指标时间序列数据的预测有了需求，目前还不能对单指标时间序列数据进行预测。
技术实现思路
[0003]本专利技术提供了一种时间序列数据的预测方法、装置及设备。解决了运维领域单指标时间序列预测问题，提高了单指标时间序列预测的准确率。
[0004]为解决上述技术问题，本专利技术的实施例提供以下方案：一种时间序列数据的预测方法，包括：获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。
[0005]可选的，预设时间序列预测模型通过以下过程训练：获取训练集，所述训练集包括训练数据以及测试数据，所述训练数据和测试数据均为时间序列；对所述训练集进行预处理，获得预处理结果；根据所述预处理结果进行特征提取，获得训练特征值；将所述训练特征值输入预设模型的输入门进行处理，判断遗忘门是否选择遗忘记忆单元里的信息，再经过输出门判断是否将这一时刻的信息进行输出，得到所述预设时间序列预测模型。
[0006]可选的，对所述训练集进行预处理，获得预处理结果，包括：对所述训练集中的训练数据中的异常数据点进行平滑处理，得到预处理结果；或者对所述训练数据中的异常数据点进行平滑处理得到中间预处理结果，对所述中间预处理结果进行归一化处理，得到所述预处理结果。
[0007]可选的，对所述训练数据中的异常数据点进行平滑处理，包括：
将所述训练数据f(t)中异常数据点用其所在预设时间窗内的均值代替该异常数据点。
[0008]可选的，；；；其中，t为时间；N为采集到的时间序列的长度，δ为训练数据的方差。
[0009]可选的，对所述中间预处理结果进行归一化处理，包括：将训练数据f(t)映射到[0,1]之间；选取最大值max和最小值min,采用公式对预处理结果进行归一化处理，为归一化处理的结果。
[0010]可选的，所述单指标时间序列数据包括：监控指标、中间件指标或者业务指标。
[0011]本专利技术的实施例还提供一种时间序列数据的预测装置，所述装置包括：获取模块，用于获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；处理模块，用于将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。
[0012]本专利技术的实施例还提供一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述的方法对应的操作。
[0013]本专利技术的实施例还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行如上所述的方法。
[0014]本专利技术的上述方案至少包括以下有益效果：本专利技术的上述方案，通过获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。能够实现运维领域单指标时间序列预测，使单指标时间序列的预测准确率大大提高。
附图说明
[0015]图1为本专利技术实施例的时间序列数据的预测方法的流程示意图；图2为本专利技术实施例的时间序列预测模型的示意图；图3为本专利技术实施例的时间序列预测模型按时间线展开后的示意图；图4为本专利技术实施例的时间序列数据的预测结果的示意图；
图5为本专利技术实施例的时间序列数据的预测装置的模块示意图。
具体实施方式
[0016]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0017]如图1所示，本专利技术提供一种时间序列数据的预测方法，包括：步骤11，获取待预测的单指标时间序列数据；步骤12，对所述单指标时间序列数据进行特征提取，获得特征值序列；步骤13，将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。
[0018]本专利技术的上述方案，通过获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。能够实现运维领域单指标时间序列预测，且提高了预测准确率。
[0019]本专利技术的一可选的实施例中，预设时间序列预测模型通过以下过程训练：步骤21，获取训练集，所述训练集包括训练数据以及测试数据，所述训练数据和测试数据均为时间序列；步骤22，对所述训练集进行预处理，获得预处理结果；步骤23，根据所述预处理结果进行特征提取，获得训练特征值；步骤24，将所述训练特征值输入预设模型的输入门进行处理，判断遗忘门是否选择遗忘记忆单元里的信息，再经过输出门判断是否将这一时刻的信息进行输出，得到所述预设时间序列预测模型。
[0020]如图2所示，预设模型的架构示意图，在每一时刻从输入层输入的信息会首先经过输入门（Input Gate），输入门的开关会决定这一时刻是否会有信息输入到记忆单元（Memory Cell）；每一时刻是否有信息从记忆单元输出取决于输出门（Output Gate）。遗忘门（Forget Gate），每一时刻记忆单元里的值都会经历一个是否被遗忘的过程，就是由该遗忘门控制的，如果打开，那么将会把记忆单元里的值清楚，也就是遗忘掉。
[0021]具体的，信息在传递的顺序为：先经过输入门，看是否有信息输入，再判断遗忘门是否选择遗忘记忆单元里的信息，最后再经过输出门，判断是否将这一时刻的信息进行输出。
[0022]本专利技术的一可选的实施例中，对所述训练集进行预处理，获得预处理结果，包括：对所述训练集中的训练数据中的异常数据点进行平滑处理，得到预处理结果；或者对所述训练数据中的异常数据点进行平滑处理得到中间预处理结果，对所述中间预处理结果进行归一化处理，得到所述预处理结果。
[0023]这里，对所述训练数据中的异常数据点进行平滑处理，包括本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种时间序列数据的预测方法，其特征在于，包括：获取待预测的单指标时间序列数据；对所述单指标时间序列数据进行特征提取，获得特征值序列；将所述特征值序列输入预设时间序列预测模型进行预测处理，获得预测的目标单指标时间序列数据。2.根据权利要求1所述的时间序列数据的预测方法，其特征在于，所述预设时间序列预测模型通过以下过程训练：获取训练集，所述训练集包括训练数据以及测试数据，所述训练数据和测试数据均为时间序列；对所述训练集进行预处理，获得预处理结果；根据所述预处理结果进行特征提取，获得训练特征值；将所述训练特征值输入预设模型的输入门进行处理，判断遗忘门是否选择遗忘记忆单元里的信息，再经过输出门判断是否将这一时刻的信息进行输出，得到所述预设时间序列预测模型。3.根据权利要求2所述的时间序列数据的预测方法，其特征在于，对所述训练集进行预处理，获得预处理结果，包括：对所述训练集中的训练数据中的异常数据点进行平滑处理，得到预处理结果；或者对所述训练数据中的异常数据点进行平滑处理得到中间预处理结果，对所述中间预处理结果进行归一化处理，得到所述预处理结果。4.根据权利要求3所述的时间序列数据的预测方法，其特征在于，对所述训练数据中的异常数据点进行平滑处理，包括：将所述训练数据f(t)中异常数据点用其所在预设时间窗内的均值代替该异常数据点。5.根据权利要求4...
【专利技术属性】
技术研发人员：朱宏慧，严川，张博，
申请(专利权)人：云智慧北京科技有限公司，
类型：发明
国别省市：
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。