【技术实现步骤摘要】
本申请属于设备故障预测，涉及一种基于高斯分布的故障动态预测方法及相关装置。
技术介绍
1、智能资源管理系统管理的资源种类繁多。针对不同种类资源，所设置的故障阈值是有差异的，并且同一种类资源在不同任务场景下，故障阈值也是有差异的。现有技术中的指标监控和预警系统一般应用静态故障阈值法，辅助对资源出现的异常情况进行分析。所谓静态故障阈值法，即对资源的监控指标设置一个固定的故障阈值，将当前监控指标数据和设定的故障阈值进行比较，如果超出上述故障阈值则产生告警，如果没有超出上述故障阈值则视为正常。但是，现有故障预测技术一般通过监测设备的单一资源实现，而其阈值一般是该专业的人员根据经验设置的。但当资源单一时，预测的误差可能较大，而当资源种类过多时，一些资源的阈值应该如何设置，可能是专业人员也不熟悉的。此外，由于不同资源的自身特点，其性能指标可能呈波动态势，此时，采用静态阈值的方法并不能准确的反映出资源异常状态。
技术实现思路
1、本申请的目的在于解决现有技术中的问题，提供一种基于高斯分布的故障动态预测方法及相关装置。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、第一方面，本申请提供一种基于高斯分布的故障动态预测方法，包括以下步骤：
4、持续监测并采集与设备状态相关的特征及其相应的特征数据；
5、对特征数据进行划分，得到多个数据时间窗口；
6、利用高斯分布的方法构建设备状态与特征数据的映射关系模型；
7、根据映
8、第二方面，本申请提供一种基于高斯分布的故障动态预测系统，包括：
9、数据采集模块，用于持续监测并采集与设备状态相关的特征及其相应的特征数据；
10、数据划分模块，用于对特征数据进行划分，得到多个数据时间窗口；
11、模型构建模块，用于利用高斯分布的方法构建设备状态与特征数据的映射关系模型；
12、故障预测模块，用于根据映射关系模型计算每个数据时间窗口的概率分布和阈值，比较概率分布和默认阈值得到故障预测结果。
13、第三方面，本申请提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
14、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。
15、与现有技术相比，本申请具有以下有益效果：
16、本申请采用一种动态故障阈值设置方法，寻求业务突变的特征，以先于保障人员感知发现资源异常，突破传统绝对指标的监控盲区。通过主动监控的思想，来及早地捕捉资源指标的隐患，依据资源指标的正态分布特性，通过高斯分布来实现，更合理精确地自动得到门限值，并自动产生预警级别，达到对资源的精确监控，挖掘资源中的隐形故障，最终实现由现有技术对资源故障的时候问题分析转向问题产生前的指标主动监控。
17、本申请基于对特征数据的周期性和分布特征以及对数据的业务理解，将特征数据划分到不同的数据时间窗口，同一数据时间窗口中的特征数据具有相似的数值分布特征。
18、本申请基于高斯分布的基础，根据时间窗口的历史数据，自动调整阈值，通过动态阈值，对具有波动性的设备特征参数指标进行监测，更及时，准确地通过指标的异常表现，预测故障发生的可能性。
本文档来自技高网...【技术保护点】
1.一种基于高斯分布的故障动态预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述与设备状态相关的特征包括设备的CPU温度、丢包率以及响应延迟。
3.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述对特征数据进行划分，得到多个数据时间窗口，包括：
4.根据权利要求1或3所述的基于高斯分布的故障动态预测方法，其特征在于，同一所述数据时间窗口中的特征数据具有相似的数值分布特征。
5.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述根据映射关系模型计算每个数据时间窗口的概率分布和默认阈值，包括：
6.根据权利要求5所述的基于高斯分布的故障动态预测方法，其特征在于，所述确定高斯分布的概率分布和默认阈值，包括：
7.根据权利要求5或6所述的基于高斯分布的故障动态预测方法，其特征在于，所述比较概率分布和默认阈值得到故障预测结果，包括：
8.一种基于高斯分布的故障动态预测系统，其特征在于，包括：
9.一
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于高斯分布的故障动态预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述与设备状态相关的特征包括设备的cpu温度、丢包率以及响应延迟。
3.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述对特征数据进行划分，得到多个数据时间窗口，包括：
4.根据权利要求1或3所述的基于高斯分布的故障动态预测方法，其特征在于，同一所述数据时间窗口中的特征数据具有相似的数值分布特征。
5.根据权利要求1所述的基于高斯分布的故障动态预测方法，其特征在于，所述根据映射关系模型计算每个数据时间窗口的概率分布和默认阈值，包括：
6.根据权利...
【专利技术属性】
技术研发人员：王玉臣，安吉元，王志刚，修兴强，胡永鹏，
申请(专利权)人：北京太极信息系统技术有限公司，
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。