业务异常波动的检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种业务异常波动的检测方法、装置、设备及存储介质，该方法包括：分别获取目标历史周期内各时刻的业务指标正常波动预测值和业务指标真实值；基于所述各时刻的业务指标正常波动预测值和业务指标真实值，确定各时刻对应的业务指标波动动态阈值区间；根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常。通过本发明专利技术提供的业务异常波动的检测方法、装置、设备及存储介质，基于业务指标正常波动预测值和业务指标真实值确定各时刻对应的业务指标波动动态阈值区间，从而使构建出的业务正常波动范围更加精准，降低了业务异常波动检测的误判率。率。率。

【技术实现步骤摘要】
业务异常波动的检测方法、装置、设备及存储介质


[0001]本专利技术涉及波动检测
，尤其涉及一种业务异常波动的检测方法、装置、设备及存储介质。

技术介绍

[0002]随着电信业务和大数据技术的不断发展，运营商服务类别及业务指标持续增多，同时业务数据的规模也飞速增长，为了使得各项业务能够平稳稳定地运行，在业务运营活动中，需要对各项业务的业务指标进行监测，并对业务指标的波动进行分析，以及时发现异常波动的业务指标。
[0003]然而，现有的业务波动异常检测方法，通常根据预先设定的阈值来判断某业务的业务指标波动是否异常，即若某业务的业务指标波动超出预先设定的阈值范围，则判定该业务的业务指标波动为异常波动，例如采用3σ(拉依达)准则计算出阈值区间，对业务指标波动进行异常检测，但实际应用时容易存在阈值设置不合理导致无法准确检测出业务指标异常波动的问题。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术实施例提供一种业务异常波动的检测方法、装置、设备及存储介质。
[0005]第一方面，本专利技术提供一种业务异常波动的检测方法，包括：
[0006]分别获取目标历史周期内各时刻的业务指标正常波动预测值和业务指标真实值；
[0007]基于所述各时刻的业务指标正常波动预测值和业务指标真实值，确定各时刻对应的业务指标波动动态阈值区间；
[0008]根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常。
[0009]可选地，所述根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常，包括：
[0010]若确定目标时刻的业务指标真实值处于对应时刻的业务指标波动动态阈值区间内，则确定所述目标时刻的业务指标波动正常；或者，
[0011]若确定目标时刻的业务指标真实值小于对应时刻的业务指标波动动态阈值下限，或大于对应时刻的业务指标波动动态阈值上限，则确定所述目标时刻的业务指标波动异常。
[0012]可选地，所述基于所述各时刻的业务指标正常波动预测值和业务指标真实值，确定各时刻对应的业务指标波动动态阈值区间，包括：
[0013]分别获取各时刻的业务指标正常波动预测值与业务指标真实值之间的相对误差；
[0014]基于各时刻的相对误差，获得所述目标历史周期内相对误差的标准偏差；
[0015]基于所述标准偏差和各时刻的业务指标正常波动预测值，确定各时刻对应的业务
指标波动动态阈值区间。
[0016]可选地，所述获取目标历史周期内各时刻的业务指标正常波动预测值，包括：
[0017]获取目标时刻之前预设时间段内各时间点的业务指标历史数据以及每一时间点的业务指标历史数据对应不同周期的差分值；
[0018]将所述各时间点的业务指标历史数据和所述各时间点对应的所述差分值按照时间次序依次输入长短期记忆网络LSTM模型，得到所述目标时刻的业务指标正常波动预测值；
[0019]其中，所述LSTM模型基于带有确定训练标签的业务指标历史数据样本进行训练后得到，所述训练标签为训练样本所预测时刻的业务指标真实值。
[0020]可选地，在确定所述目标时刻的业务指标波动异常后，所述方法还包括：
[0021]对所确定的异常波动业务指标进行多业务维度拆分，基于异常波动判别公式，得到各子业务维度的波动异常概率，并将波动异常概率大于或等于概率阈值的子业务维度确定为异常波动的子业务维度；
[0022]基于波动原因判别规则，确定各异常波动的子业务维度的异常波动原因；
[0023]将所述各异常波动的子业务维度的异常波动原因的集合确定为所述异常波动业务指标的异常波动原因；
[0024]其中，所述异常波动判别公式是基于带有确定波动状态标签的各子业务维度波动特征数据样本训练逻辑回归模型后得到的；所述波动原因判别规则是基于分类与回归树CART算法，采用带有确定波动原因标签的各子业务维度波动特征数据样本训练波动原因识别模型后得到的。
[0025]可选地，所述概率阈值的确定方式如下：
[0026]分别统计测试集样本在不同阈值情况下判断异常波动的子业务维度的准确率和召回率；
[0027]基于所述准确率和所述召回率，确定不同阈值所对应的模型F值；
[0028]将所述模型F值的最大值所对应的阈值确定为所述概率阈值；
[0029]其中，所述模型F值为所述准确率与所述召回率的乘积和所述准确率与所述召回率的平均值之间的比值。
[0030]可选地，所述基于波动原因判别规则，确定各异常波动的子业务维度的异常波动原因，包括：
[0031]若确定异常波动的目标子业务维度的指标真实值小于业务指标波动动态阈值下限，且处于割接报备时间段，且指标真实值为0，则确定所述目标子业务维度的异常波动原因为割接；或者，
[0032]若确定异常波动的目标子业务维度的指标真实值大于业务指标波动动态阈值上限，且处于营销活动期间，且异常波动持续时长大于第一预设阈值，且同比大于第二预设阈值，则确定所述目标子业务维度的异常波动原因为营销活动。
[0033]第二方面，本专利技术还提供一种业务异常波动的检测装置，包括：
[0034]获取单元，用于分别获取目标历史周期内各时刻的业务指标正常波动预测值和业务指标真实值；
[0035]确定单元，用于基于所述各时刻的业务指标正常波动预测值和业务指标真实值，
确定各时刻对应的业务指标波动动态阈值区间；
[0036]比较单元，用于根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常。
[0037]第三方面，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第一方面所述业务异常波动的检测方法的步骤。
[0038]第四方面，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第一方面所述业务异常波动的检测方法的步骤。
[0039]本专利技术提供的业务异常波动的检测方法、装置、设备及存储介质，通过基于业务指标正常波动预测值和业务指标真实值确定各时刻对应的业务指标波动动态阈值区间，从而使构建出的业务正常波动范围更加精准，降低了业务异常波动检测的误判率。
附图说明
[0040]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。
[0041]图1是本专利技术提供的业务异常波动的检测方法的流程示意图之一；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务异常波动的检测方法，其特征在于，包括：分别获取目标历史周期内各时刻的业务指标正常波动预测值和业务指标真实值；基于所述各时刻的业务指标正常波动预测值和业务指标真实值，确定各时刻对应的业务指标波动动态阈值区间；根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常。2.根据权利要求1所述的业务异常波动的检测方法，其特征在于，所述根据各时刻的业务指标真实值与对应时刻的业务指标波动动态阈值区间的比较结果，确定所述目标历史周期内各时刻的业务指标波动是否异常，包括：若确定目标时刻的业务指标真实值处于对应时刻的业务指标波动动态阈值区间内，则确定所述目标时刻的业务指标波动正常；或者，若确定目标时刻的业务指标真实值小于对应时刻的业务指标波动动态阈值下限，或大于对应时刻的业务指标波动动态阈值上限，则确定所述目标时刻的业务指标波动异常。3.根据权利要求1所述的业务异常波动的检测方法，其特征在于，所述基于所述各时刻的业务指标正常波动预测值和业务指标真实值，确定各时刻对应的业务指标波动动态阈值区间，包括：分别获取各时刻的业务指标正常波动预测值与业务指标真实值之间的相对误差；基于各时刻的相对误差，获得所述目标历史周期内相对误差的标准偏差；基于所述标准偏差和各时刻的业务指标正常波动预测值，确定各时刻对应的业务指标波动动态阈值区间。4.根据权利要求1所述的业务异常波动的检测方法，其特征在于，所述获取目标历史周期内各时刻的业务指标正常波动预测值，包括：获取目标时刻之前预设时间段内各时间点的业务指标历史数据以及每一时间点的业务指标历史数据对应不同周期的差分值；将所述各时间点的业务指标历史数据和所述各时间点对应的所述差分值按照时间次序依次输入长短期记忆网络LSTM模型，得到所述目标时刻的业务指标正常波动预测值；其中，所述LSTM模型基于带有确定训练标签的业务指标历史数据样本进行训练后得到，所述训练标签为训练样本所预测时刻的业务指标真实值。5.根据权利要求2所述的业务异常波动的检测方法，其特征在于，在确定所述目标时刻的业务指标波动异常后，所述方法还包括：对所确定的异常波动业务指标进行多业务维度拆分，基于异常波动判别公式，得到各子业务维度的波动异常概率，并将波动异常概率大于或等于概率阈值的子业务维度确定为异常波动的子业务维度；基于波动原因...

【专利技术属性】
技术研发人员：张玲，陈萍，徐海勇，舒敏根，廖丽玲，梁恩磊，郭艺娟，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：