一种基于大数据和机器学习的智能运维方法技术

本申请提供的一种基于大数据和机器学习的智能运维方法，包括：获取样本数据；将所述样本数据分割为两组，分别输入到卷积神经网络模型；卷积层分别对所述第一散点数据和第二散点数据进行像素识别，将符合预设条件的第一散点数据和第二散点数据过滤出来，生成第一过滤散点数据和第二过滤散点数据；将所述第一过滤散点数据和第二过滤散点数据输入到所述卷积神经网络的融合层，并将所述第一过滤散点数据和所述第二过滤散点数据进行融合，生成融合散点数据；将所述融合散点数据进行解码，生成结果特征数据。本申请通过智能模型对大数据的处理，可以实时监测设备状态，并据此确定运维方案。案。案。

【技术实现步骤摘要】
一种基于大数据和机器学习的智能运维方法


[0001]本申请请求保护基于大数据的运维技术，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

[0002]大数据作为一种重要数据资产，其应用越来越广泛和深入，对于智能运维，大数据也非常具有前景，但是目前设备的运行为何，基本上处于检测
‑
发现问题
‑
解决问题的步骤，对于设备检测的实时性不足。

技术实现思路

[0003]为解决上述
技术介绍
中出现的一个或者多个问题，本申请提供一种基于大数据和机器学习的智能运维方法。
[0004]本申请提供的一种基于大数据和机器学习的智能运维方法，包括：
[0005]获取样本数据，所述样本数据是装置在进行工作时产生的数据，包括设置的参数、运行的数据以及运行数据变化的数据；
[0006]将所述样本数据分割为两组，分别输入到卷积神经网络模型的编辑端，该编辑端将所述数据进行编辑，生成基于平面直角坐标系的第一散点数据和第二散点数据，将所述第一散点数据和第二散点数据输入到卷积层；<br/>[0007]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据和机器学习的智能运维方法，其特征在于，包括：获取样本数据，所述样本数据是装置在进行工作时产生的数据，包括设置的参数、运行的数据以及运行数据变化的数据；将所述样本数据分割为两组，分别输入到卷积神经网络模型的编辑端，该编辑端将所述数据进行编辑，生成基于平面直角坐标系的第一散点数据和第二散点数据，将所述第一散点数据和第二散点数据输入到卷积层；所述卷积层分别对所述第一散点数据和第二散点数据进行像素识别，将符合预设条件的第一散点数据和第二散点数据过滤出来，生成第一过滤散点数据和第二过滤散点数据；将所述第一过滤散点数据和第二过滤散点数据输入到所述卷积神经网络的融合层，并将所述第一过滤散点数据和所述第二过滤散点数据进行融合，生成融合散点数据；将所述融合散点数据进行解码，生成结果特征数据。2.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，基于所述特征数据生成运维方案，包括：根据所述结果特征数据判断运维情况；根据所述运维情况调取运维方案。3.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，所述第一散点数据个第二散点数据的中散点位置有时间和值大小确定。4.根据权利要求1所述基于大数据和机器学习的智能运维方法，其特征在于，所述将所述第一过滤散点数据和所述第二过滤散点数据进行融合，包括：将所述第一散点数据和第二散点数据中时间重复的散点保留，时间未重复的散点删除。5.根据权利要求2所述基于大数据和机器学习的智能运维方法，其特征在于，所述运维方案是预先设置的。6.一种基于大数据和机器学习的智能运维装置，其特征在...

【专利技术属性】
技术研发人员：郑朋飞，郑朋举，张明明，高淼，鲁国阳，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：