基于极值理论的智慧城市网络设备性能异常阈值评估方法技术

本发明专利技术提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，所述方法包括：基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；基于目标参数，确定智慧城市网络设备性能的异常阈值；目标性能数据是基于智慧城市网络设备的运行数据确定的；目标参数包括规模参数和形状参数。本发明专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法，通过使用极大似然估计方法确定广义帕累托分布的参数，解决了一般参数估计方法准确率低，性能低效的问题，并且得到的广义帕累托分布的参数更加接近真实值，为广义帕累托分布求解异常边界阈值打下基础，提高了异常边界阈值计算的准确率。提高了异常边界阈值计算的准确率。提高了异常边界阈值计算的准确率。

【技术实现步骤摘要】
基于极值理论的智慧城市网络设备性能异常阈值评估方法


[0001]本专利技术涉及网络信息
，尤其涉及一种基于极值理论的智慧城市网络设备性能异常阈值评估方法。

技术介绍

[0002]目前信息技术不断发展，信息化、数据化成为了新的经济增长点和目前各项建设工作的重点，其中建设智慧城市则是目前网络设施建设以及城市未来规划建设的重中之重。庞大的智慧城市信息化工程需要高性能、强稳定性的网络基础设施作为支撑，其中网络设备性能是重要考察点之一。网络设备性能由几个关键指标决定，比如网络流量，网络延迟，接入设备数量等。其中关键性能指标存在可承载阈值，网络设备需要在承载范围内发挥最大性能，因此需要明确求解关键性能指标的极大极小异常阈值，这决定了网络设备的性能及鲁棒性。因此如何求解网络设备关键性能指标的异常阈值，保证网络服务稳定高效成为了智慧城市建设中网络建设所需要突破的重点问题之一。
[0003]在现代互联网服务中，为了确保服务不中断，运维人员需要密切关注各种性能指标的表现情况。因此系统要能及时触发关于异常指标的警报，然后运维人员才可以快速进行故障止损的操作。但是随着业务越来越复杂，系统需要监控大量的性能指标，因此操作员需要自动的异常检测算法，由该需求逐渐延伸出不少异常边界阈值求解算法。异常边界阈值求解方法由来已久，主要分为基于性能指标和基于深度学习的方法。
[0004]基于性能指标的服务异常检测方法发展迅速，但现有方法存在依赖于原始数据分布、依赖于手动设置阈值、依赖于大量标注的异常指标样本数据、对多种形态混合性能指标检测效果较差等问题，因此其效果往往并不理想，但基于性能指标的服务异常检测方法仍然是检测指标异常的最主要方法。

技术实现思路

[0005]本专利技术提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，用以解决现有技术中性能指标检测效果较差的缺陷，实现提高异常边界阈值计算的准确率。
[0006]本专利技术提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，包括：
[0007]基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；
[0008]基于所述目标参数，确定智慧城市网络设备性能的异常阈值；
[0009]所述目标性能数据是基于智慧城市网络设备的运行数据确定的；
[0010]所述目标参数包括规模参数和形状参数。
[0011]在一些实施例中，所述基于目标数据和极大似然估计方法，确定广义帕累托分布模型的目标参数，包括：
[0012]基于目标性能数据和极大似然估计方法，确定所述目标性能数据的平均值和方差；
[0013]基于所述平均值和方差，确定广义帕累托分布模型的目标参数。
[0014]在一些实施例中，所述基于所述目标参数，确定智慧城市网络设备性能的异常阈值，包括：
[0015]基于所述目标参数，确定智慧城市网络设备性能的异常极大值和异常极小值。
[0016]在一些实施例中，所述基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数之前，还包括：
[0017]基于异常边界阈值的检测方法，确定所述目标性能数据的风险系数、初始低值阈值和初始高值阈值。
[0018]在一些实施例中，所述基于所述目标参数，确定智慧城市网络设备性能的异常极大值和异常极小值的公式为：
[0019][0020][0021]其中，z
t
为异常极大值，z
b
为异常极小值，t为初始高值阈值，b为初始低值阈值，α为规模参数，γ为形状参数，q为风险系数，n为观测总数，N
t
为峰值数。
[0022]在一些实施例中，所述基于所述平均值和方差，确定广义帕累托分布模型的目标参数的公式为：
[0023][0024][0025]其中，α为规模参数，γ为形状参数，μ为平均值，σ2为方差。
[0026]本专利技术还提供一种基于极值理论的智慧城市网络设备性能异常阈值评估装置，包括：
[0027]确定模块，用于基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；
[0028]评估模块，用于基于所述目标参数，确定智慧城市网络设备性能的异常阈值；
[0029]所述目标性能数据是基于智慧城市网络设备的运行数据确定的；
[0030]所述目标参数包括规模参数和形状参数。
[0031]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于极值理论的智慧城市网络设备性能异常阈值评估方法。
[0032]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于极值理论的智慧城市网络设备性能异常阈值评估方法。
[0033]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器
执行时实现如上述任一种所述基于极值理论的智慧城市网络设备性能异常阈值评估方法。
[0034]本专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法，通过使用极大似然估计方法确定广义帕累托分布的参数，解决了一般参数估计方法准确率低，性能低效的问题，并且极大似然估计方法大样本下一致收敛更强并且趋于正态分布，使得到的广义帕累托分布的参数更加接近真实值，为广义帕累托分布求解异常边界阈值打下基础，提高了异常边界阈值计算的准确率。
附图说明
[0035]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法的流程示意图之一；
[0037]图2是本专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法的流程示意图之二；
[0038]图3是本专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估装置的结构示意图；
[0039]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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。
[0041]下面结合图1
‑
图4描述本专利技术的基于极值理论的智慧城市网络设备性能异常阈值评估方法及装置。
[0042]图1是本专利技术提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法的流程示意图之一，参考图1，本专利技术提供的基于极值理论的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，其特征在于，包括：基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；基于所述目标参数，确定智慧城市网络设备性能的异常阈值；所述目标性能数据是基于智慧城市网络设备的运行数据确定的；所述目标参数包括规模参数和形状参数。2.根据权利要求1所述的基于极值理论的智慧城市网络设备性能异常阈值评估方法，其特征在于，所述基于目标数据和极大似然估计方法，确定广义帕累托分布模型的目标参数，包括：基于目标性能数据和极大似然估计方法，确定所述目标性能数据的平均值和方差；基于所述平均值和方差，确定广义帕累托分布模型的目标参数。3.根据权利要求1所述的基于极值理论的智慧城市网络设备性能异常阈值评估方法，其特征在于，所述基于所述目标参数，确定智慧城市网络设备性能的异常阈值，包括：基于所述目标参数，确定智慧城市网络设备性能的异常极大值和异常极小值。4.根据权利要求3所述的基于极值理论的智慧城市网络设备性能异常阈值评估方法，其特征在于，所述基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数之前，还包括：基于异常边界阈值的检测方法，确定所述目标性能数据的风险系数、初始低值阈值和初始高值阈值。5.根据权利要求4所述的基于极值理论的智慧城市网络设备性能异常阈值评估方法，其特征在于，所述基于所述目标参数，确定智慧城市网络设备性能的异常极大值和异常极小值的公式为：小值的公式为：其中，z
t
为异常极大值，z
b
为异...

【专利技术属性】
技术研发人员：杨杨，孙寅栋，严泽凡，龚兴乐，吕睿，胡皓，刘澳伦，曲珍莹，何晔辰，高志鹏，芮兰兰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：