【技术实现步骤摘要】
本专利技术涉及数据系统异常管理，特别涉及一种数据系统的异常预测方法。
技术介绍
1、数字化时代，在个人工作生活、企业运营周转、社会常态运行等方方面面中，都会形成大量的数据，其中，时间序列数据是在不同时间上收集到的数据，可以用于描述现象随时间变化的情况，该数据可以反映某一事物或现象等随时间的变化状态或程度。在应用的使用过程中，不同的对象会对应地生成不同的时间序列数据，因此，可以基于对象的时间序列数据对该对象进行分类，以确定其所属的对象类型。而对对象进行类型预测，不仅有利于应用更好地了解对象分布，而且有助于应用提供更好的服务。
2、为了保证网络安全和数据安全，必须对产生的各类数据进行有效监管，对数据系统的异常进行有效判断。然而，数字安全的虚拟性、多变性和复杂性，以及大数据平台的管理复杂、安全机制不健全等都为保证数据安全带来了更大的挑战和风险。
3、此外，随着数据应用的加深，数据系统必须保证在较大的普查压力下仍能有效运作。以及，当数据系统出现突变时，必须精准定位、快速解决，保证用户的正常使用。
<
【技术保护点】
1.一种数据系统的异常预测方法，其特征在于，包括：
2.根据权利要求1所述的数据系统的异常预测方法，其特征在于，所述获取数据系统的时序数据的方法包括：
3.根据权利要求1所述的数据系统的异常预测方法，其特征在于，所述采用AI算法模型对时序数据进行分析预测，以得到预测值的方法包括：
4.根据权利要求3所述的数据系统的异常预测方法，其特征在于，所述构建AI算法模型，并对AI算法模型进行训练的方法包括：
5.根据权利要求4所述的数据系统的异常预测方法，其特征在于，所述调用fit方法对AI算法模型进行训练的方法包括：
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。