【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种终端设备的故障预测方法、装置、设备及存储介质。
技术介绍
1、随着银行数字化转型与智慧银行的发展，智能终端设备被广泛应用于各银行网点，智能终端设备可以理解为个人业务集中作业系统网点端的业务受理设备，通过硬件设备的集成和软件系统的整合，智能终端设备可以处理绝大部分个人客户的非现金业务的自主办理。
2、现在银行对于智能终端设备的可靠性能要求越来越高，但是目前设备的故障检测通常在故障发生后，也就是，只有设备出现问题后，才可以检测设备产生的故障类型、故障原因等，无法预测故障发生，从而无法及时采取修复措施，导致故障发生产生较大的损失。
技术实现思路
1、有鉴于此，本申请提供了一种终端设备的故障预测方法、装置、设备及存储介质，从而可以实现对终端设备的故障预测，以便提前采取措施减少故障的发生。
2、第一方面，本申请提供了一种终端设备的故障预测方法，所述方法包括：
3、获取待预测设备的采集目标数据；
4、将所述采集目标数据输入到训练好的目标梯度提升决策树gbdt模型，获取所述待预测设备的故障预测信息；
5、其中，所述目标gbdt模型是基于训练数据训练生成的，所述训练数据包括故障数据，所述训练数据是基于终端设备的历史目标数据划分得到的。
6、在一种可能的实现方式中，所述目标gbdt模型的训练过程包括：
7、将所述训练数据输入到初始决策树，获取预测结果；
8、确定所述预测结果
9、拟合所述残差确定新的决策树，重复执行上述过程，直至残差小于预设值。
10、在一种可能的实现方式中，所述历史目标数据包括k个互斥子集，其中，(k-1)个子集作为训练数据，另一个子集作为测试数据，所述目标gbdt模型是基于k折交叉验证算法训练得到的。
11、在一种可能的实现方式中，所述历史目标数据的获取过程包括：
12、获取所述终端设备的第一属性数据、第一动态数据以及第一故障数据；
13、对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取所述历史目标数据。
14、在一种可能的实现方式中，所述对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取所述历史目标数据，包括：
15、对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取第二属性数据、第二动态数据以及第二故障数据；
16、对所述第二属性数据进行聚类处理，获取分类后的第三属性数据；
17、基于所述第三属性数据、所述第二动态数据以及所述第二故障数据，确定所述历史目标数据。
18、在一种可能的实现方式中，所述基于所述第三属性数据、所述第二动态数据以及所述第二故障数据，确定所述历史目标数据，包括：
19、将所述第三属性数据、所述第二动态数据以及所述第二故障数据按照预设时间段进行划分，确定所述历史目标数据。
20、在一种可能的实现方式中，所述对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取第二属性数据、第二动态数据以及第二故障数据，包括以下中的一种或多种：
21、获取所述第一属性数据、所述第一动态数据以及所述第一故障数据中的空值和/或异常值；删除所述空值和/或异常值，获取所述第二属性数据、所述第二动态数据以及所述第二故障数据；或者，
22、获取所述第一属性数据、所述第一动态数据以及所述第一故障数据中的空值和/或异常值；删除所述空值和/或异常值，获取第三属性数据、第三动态数据以及第三故障数据；对所述第三属性数据、所述第三动态数据以及所述第三故障数据进行特征编码，获取所述第二属性数据、所述第二动态数据以及所述第二故障数据。
23、在一种可能的实现方式中，所述方法还包括：
24、基于所述故障预测信息生成告警信息；
25、基于所述告警信息进行告警。
26、第二方面，本申请提供了一种终端设备的故障预测装置，所述装置包括：
27、获取单元，用于获取待预测设备的采集目标数据；
28、故障预测单元，用于将所述采集目标数据输入到训练好的目标梯度提升决策树gbdt模型，获取所述待预测设备的故障预测信息；
29、其中，所述目标gbdt模型是基于所述历史目标数据划分得到的训练数据训练生成的，所述训练数据包括故障数据，所述训练数据是基于终端设备的历史目标数据划分得到的。
30、在一种可能的实现方式中，所述目标gbdt模型的训练过程包括：将所述训练数据输入到初始决策树，获取预测结果；确定所述预测结果与所述训练数据中样本真值的残差；拟合所述残差确定新的决策树，重复执行上述过程，直至残差小于预设值。
31、在一种可能的实现方式中，所述历史目标数据包括k个互斥子集，其中，(k-1)个子集作为训练数据，另一个子集作为测试数据，所述目标gbdt模型是基于k折交叉验证算法训练得到的。
32、在一种可能的实现方式中，所述获取单元，还用于获取所述终端设备的第一属性数据、第一动态数据以及第一故障数据；对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取所述历史目标数据。
33、在一种可能的实现方式中，所述获取单元，具体用于对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取第二属性数据、第二动态数据以及第二故障数据；对所述第二属性数据进行聚类处理，获取分类后的第三属性数据；基于所述第三属性数据、所述第二动态数据以及所述第二故障数据，确定所述历史目标数据。
34、在一种可能的实现方式中，所述获取单元，具体用于将所述第三属性数据、所述第二动态数据以及所述第二故障数据按照预设时间段进行划分，确定所述历史目标数据。
35、在一种可能的实现方式中，所述获取单元，具体用于获取所述第一属性数据、所述第一动态数据以及所述第一故障数据中的空值和/或异常值；删除所述空值和/或异常值，获取所述第二属性数据、所述第二动态数据以及所述第二故障数据；或者，获取所述第一属性数据、所述第一动态数据以及所述第一故障数据中的空值和/或异常值；删除所述空值和/或异常值，获取第三属性数据、第三动态数据以及第三故障数据；对所述第三属性数据、所述第三动态数据以及所述第三故障数据进行特征编码，获取所述第二属性数据、所述第二动态数据以及所述第二故障数据。
36、在一种可能的实现方式中，所述装置还包括：告警单元，用于基于所述故障预测信息生成告警信息；基于所述告警信息进行告警。
37、第三方面，本申请提供了一种终端设备的故障预测设备，所述设备包括：存储器以及处理器；
38、所述存储器用于存储相关的程序代码；
39、所述处理器用于调用所述程序代码，执行上述第一方面任本文档来自技高网...
【技术保护点】
1.一种终端设备的故障预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标GBDT模型的训练过程包括：
3.根据权利要求1所述的方法，其特征在于，所述历史目标数据包括k个互斥子集，其中，(k-1)个子集作为训练数据，另一个子集作为测试数据，所述目标GBDT模型是基于k折交叉验证算法训练得到的。
4.根据权利要求1所述的方法，其特征在于，所述历史目标数据的获取过程包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取所述历史目标数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述第三属性数据、所述第二动态数据以及所述第二故障数据，确定所述历史目标数据，包括：
7.根据权利要求5所述的方法，其特征在于，所述对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取第二属性数据、第二动态数据以及第二故障数据，包括以下中的一种或多种：
8.根据权利要求1所述的方法，其特
9.一种终端设备的故障预测装置，其特征在于，所述装置包括：
10.一种终端设备的故障预测设备，其特征在于，所述设备包括：存储器以及处理器；
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1至8任一项所述的设备的故障预测方法。
...【技术特征摘要】
1.一种终端设备的故障预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标gbdt模型的训练过程包括：
3.根据权利要求1所述的方法，其特征在于，所述历史目标数据包括k个互斥子集，其中，(k-1)个子集作为训练数据，另一个子集作为测试数据，所述目标gbdt模型是基于k折交叉验证算法训练得到的。
4.根据权利要求1所述的方法，其特征在于，所述历史目标数据的获取过程包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述第一属性数据、所述第一动态数据以及所述第一故障数据进行预处理，获取所述历史目标数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述第三属性...
【专利技术属性】
技术研发人员：陈鹏远，秦琨，
申请(专利权)人：中国农业银行股份有限公司，
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。