基于大数据分析的预警方法及存储介质技术

本发明专利技术涉及人工智能技术，提供一种基于大数据分析的预警方法，利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型，实现业务数据精准预测，用于预测数据的趋势走向，利用预测模型，对第二原始数据进行趋势预测，得到第二原始数据的预测值，若预测值与第二原始数据之间的差值集合大于第一动态阈值集合，则输出告警信息，基于告警信息中各告警项目之间的关联关系，以及告警信息确定出的异常原因，构建告警策略链条，将实时业务数据中的实时告警信息与告警策略链条中的目标节点信息匹配，根据目标节点信息向预警终端发送预警信息，根据预警信息可以快速定位故障位置，提升系统的可用性。提升系统的可用性。提升系统的可用性。

【技术实现步骤摘要】
基于大数据分析的预警方法及存储介质


[0001]本专利技术涉及人工规则领域，尤其涉及一种基于大数据分析的预警方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着计算机技术的发展，出现了大量数据，包含不同业务场景下的数据，当今社会数据的增长是多方位的，其中包括数据量的增长、数据类型或数据源的多样、数据增长速率的加快，数据是持续增长、不断复杂的数据集，目前正不断挑战着传统数据管理系统。面对庞大的数据量，当数据出现异常时，可能产生不可估量的损失，所以对异常数据进行预警检测也越来越重要。现有技术中的预警策略一般通过简单的值法、移动均值法等，适用场景不多，预测准确度不高，不具于“普适性”，无法适应不同类型、不同采样间隔、不同曲线波形的指标，且在复杂的场景中漏报太高无法达到预警目的，误报太高对于运维人员参与处理时的干扰太大。所以，现有技术中对数据进行预警的方法存在应用范围较小，异常点检测精度较低的问题。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种基于大数据分析的预警方法、装置、计算机设备及存储介质，以解决对数据进行预警的方法存在应用范围较小，异常点检测精度较低的问题。
[0004]本申请实施例的第一方面提供了一种基于大数据分析的预警方法，包括：
[0005]利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；
[0006]通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始数据的预测值；
[0007]若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；
[0008]基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP
‑
Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；
[0009]若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。
[0010]本申请实施例的第二方面提供了一种基于大数据分析的预警方法装置，包括：
[0011]训练单元：利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；
[0012]预测单元：通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始
数据的预测值；
[0013]告警单元：若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；
[0014]构建单元：基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP
‑
Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；
[0015]发送单元：若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。
[0016]本申请实施例的第三方面提供了一种计算机设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，该计算机指令用于使该计算机执行基于大数据分析的预警方法的各步骤。
[0017]本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行基于大数据分析的预警方法的各步骤。
[0018]实施本申请实施例提供的一种基于大数据分析的预警方法具有以下有益效果：
[0019]本专利技术涉及人工智能技术，提供一种基于大数据分析的预警方法，利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型，实现业务数据精准预测，用于预测数据的趋势走向，通过数据特征构建预测模型，适用于任何复杂的场景，利用预测模型，对第二原始数据进行趋势预测，得到第二原始数据的预测值，预测值与第二原始数据进行比较，若预测值与第二原始数据之间的差值集合大于第一动态阈值集合，则输出告警信息，根据告警信息查看数据异常情况，基于告警信息中各告警项目之间的关联关系，以及告警信息的异常原因，构建告警策略链条，将实时业务数据中的实时告警信息与告警策略链条中的目标节点信息匹配，根据目标节点信息向预警终端发送预警信息，根据预警信息可以快速准确定位故障位置，提升系统的可用性。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请一实施例中一种基于大数据分析的预警方法实现流程图；
[0022]图2是本申请实施例提供的一种基于大数据分析的预警方法装置的结构框图；
[0023]图3是本申请实施例提供的一种服务器端设备的结构框图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施
例，都属于本专利技术保护的范围。
[0025]本本申请涉及的基于大数据分析的预警方法，应用于人工智能领域，可以由服务器端执行。
[0026]请参阅图1，图1示出了本申请实施例提供的一种基于大数据分析的预警方法的实现流程图。
[0027]如图1所示，一种基于大数据分析的预警方法，包括：
[0028]S11：利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到。
[0029]在步骤S11中，第一原始数据为业务场景中的部分历史应用数据，对第一原始数据进行预处理和分析，通过相关技术得到数据特征。预设算法是根据数据特征从预设数据库中选取得到，预设数据库中包含多种预设算法，例如，径向基神经网络算法，LSTM网络算法，RNN算法等，利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型。
[0030]本实施例中，第一原始数据为银行交易过程中的历史数据，例如，客户申请贷款时，银行的客户经理要采集和录入客户的企业或个人基础信息、财务报表、担保信息和抵质押物信息等大量的数据信息。在信贷业务相关信息的整合过程中，商业银行主要面临着信息不对称及其引发的贷款欺诈风险。不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的预警方法，其特征在于，包括：利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始数据的预测值；若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP
‑
Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。2.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型，包括：利用主成分分析技术对所述第一原始数据进行处理，得到第一原始数据的数据特征；通过预设算法对所述第一原始数据的数据特征进行训练，构建出预测模型。3.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息，包括：在预设的周期内，对所述预测值与所述第二原始数据求均值，得到得到周期内的平均预测值和平均第二原始数据；当所述周期内的平均预测值和平均第二原始数据之间的差值集合大于第一动态阈值集合时，得到异常周期点；根据所述异常周期点和预设的周期阈值，输出告警信息。4.如权利要求3所述的基于大数据分析的预警方法，其特征在于，所述根据所述异常周期点和预设的周期阈值，输出告警信息，包括：当所述异常周期点连续出现的个数大于所述预设的周期阈值时，输出告警信息。5.如权利要求1所述的基于大数据分析的预警方法，其特征在于，所述基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条，包括：对所述告警信息中各告警项目进行分类分析，利用决策树算法得到告警项目的异常原因；利用Apriori算法与FP
‑
Growth算法，以及所述告警项目的异常原因，通过数据挖掘技术，得到所述告警信息中各告警项目之间的关联...

【专利技术属性】
技术研发人员：刘明坤，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：