【技术实现步骤摘要】
一种基于机器学习的银行设备故障告警方法
[0001]本专利技术涉及设备故障告警方法
，具体为一种基于机器学习的银行设备故障告警方法。
技术介绍
[0002]信息数据安全是金融行业IT建设的关键。金融行业对信息技术的依赖不断提高，金融机构一一尤其是银行信息安全工作的难度也加深了。而银行数据中心作为重要的金融基础设施，承担重要任务的稳定运行和业务创新。在新式银行客户服务形式下，数据中心必需满足更加有效的信息共享与业务支持需求，需要不间断地为系统提供服务，比如网银、信贷、手机银行等多种服务手段。银行电子渠道类型的交易量的增加，交易量的突然加大，为系统处理大规模的并发事务巨大的挑战。这对银行数据中心的资源管理、性能监控以及与业务的关联分析提出了更严苛的要求。随着数据大集中的实施，仃资源的运行和维护管理方式由分散转向集中。基于保障核心银行系统的稳定运行的出发点，构建一个科学、系统、高效的运维系统对银行IT资源的精细化管理意义重大。IT基础设施的正常运行是确保各种业务正常运行的基石，而IT基础设施在运行的过程中可能会出现各种人为意...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的银行设备故障告警方法，其特征在于，包括以下步骤：S1：基于常用的特征选择算法，提出了基于双向搜索与属性关联关系相结合的特征选择算法BDS+FCA，并对该算法在特征子集选择的优良性以及时间性能方面进行了验证；S2：详细分析SVM、朴素贝叶斯以及EM算法的优缺点，基于双向搜索与属性关联关系相结合的特征选择算法BDS+FCA，并对该算法在特征子集选择的优良性以及时间性能方面进行验证；S3：对银行故障告警系统进行需求分析并基于提出的特征选择算法BDS+FCA与组合分类算法完成了该系统的详细设计，主要包括对配置数据进行管理的配置模块、对性能告警数据进行监控的层次化拓扑展示模块以及通过机器学习算法进行智能告警预测的预警模块，构建了一个从数据采集到数据管理再到数据挖掘的一体化故障告警系统；S4：通过J2EE,MongoDB,Weka进行功能以及模型有效性测试，结果表明该系统在功能上比较完备，所选择的MongoDB数据库比Oracle更适合读取银行运维海量数据；设计的BDS+FCA算法对银行高维运维数据进行特征选择时，比其他选择方法具有更好的特征子集优良性以及时间性能，可以有效地降低数据的维度；将适合银行数据特征的朴素贝叶斯与SVM组合应用在银行故障告警系统中，在时间效率与准确率上比单独使用朴素贝叶斯或者SVM具有更好的效果，并且EM算法可以有效地填补银行告警数据中的部分缺失属性值；朴素贝叶斯与SVM适合对银行设备告警预测分类，在告警数据比例很低的情况下依然可以达到较高的准确率，从而证明了模型系统的可行性与有效性。2.根据权利要求1所述的一种基于机器学习的银行设备故障告警方法，其特征在于，所述一种基于机器学习的银行设备故障告警方法，针对银行运维数据海量的特点以及目前银行对运维数据中的性能与告警数据分析不够完全从而导致对故障的解决还处于被动解决的现状，通过研究银行IT系统数据的特点，以及优秀的机器学习算法，从而提出基于成熟的机器学习算法与数据挖掘理论的主动预警模型，使得银行运维由之前的被动运维转变为主动运维，在具体的实现上，通过背后的机器学习模型，对数据进行处理分析，提供相关的告警推送，并通过在线的方式对性能与告警数据进行可视化管理，做出及时有效的预警措施，使得故障损失降低到最小。3.根据权利要求1所述的一种基于机器学习的银行设备故障告警方法，其特征在于，研究方法如下:(1)研究经典机器学习算法以及其应用场景并找到最适合对银行运维数据的特征选择方法以及机器学习算法；(2)完成基于所设计的特征选择与机器学习算法的银行故障告警系统设计，包括总体架构设计、技术架构设计、系统核心功能模块设计、数据库设计、系统外部接口设计；(3)针对上一步设计的告警预警系统，通过编码实现该系统并对机器学习模型的效果进行验证与测试，对其不...
【专利技术属性】
技术研发人员：张聪，
申请(专利权)人：中国农业银行股份有限公司湖北省分行，
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。