CN103840970B - 一种获取业务运行状态的方法及装置 - Google Patents
一种获取业务运行状态的方法及装置 Download PDFInfo
- Publication number
- CN103840970B CN103840970B CN201410035890.XA CN201410035890A CN103840970B CN 103840970 B CN103840970 B CN 103840970B CN 201410035890 A CN201410035890 A CN 201410035890A CN 103840970 B CN103840970 B CN 103840970B
- Authority
- CN
- China
- Prior art keywords
- data
- time point
- year
- sequence
- ring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种获取业务运行状态的方法及装置,属于计算机领域。该方法包括:获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第一数据集合包括业务在第二时间点之前的多个时间点产生的数据;根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率;根据第二数据和第一数据集合,计算第二时间点的数据波动率;根据第一时间点的数据波动率和第二时间点的数据波动率,确定业务的运行状态。本发明能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
Description
技术领域
本发明涉及计算机领域,特别涉及一种获取业务运行状态的方法及装置。
背景技术
随着信息化时代的发展,出现了越来越多的业务。在用户的日常生活中可能会使用到某个业务。例如,当该业务为即时通讯业务时,用户可以通过该业务与用户进行通信;当该业务为游戏时,用户可以通过使用该业务丰富业余生活。
由于在该业务运行过程中可能会出现异常问题,例如,在该业务运行的过程中出现网络异常或者该业务对应的服务器出现故障等问题。如果在该业务运行过程中没有及时发现这些异常问题,则不能对该业务出现的异常进行及时处理,进而对该业务产生严重的影响。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种获取业务运行状态的方法及装置。所述技术方案如下:
一方面,提供了一种获取业务运行状态的方法,所述方法包括:
获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
根据所述第一数据、所述第二数据和所述第一数据集合,计算所述第一时间点的数据波动率;
根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态。
另一方面,提供了一种获取业务运行状态的装置,所述装置包括:
获取模块,用于获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
第一计算模块,用于根据所述第一数据、所述第二数据和所述第一数据集合,计算所述第一时间点的数据波动率;
第二计算模块,用于根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
第一确定模块,用于根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率和第二时间点的数据波动率确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是本发明实施例一提供的一种获取业务运行状态的方法流程图;
图2是本发明实施例二提供的一种获取业务运行状态的方法流程图;
图3是本发明实施例三提供的一种获取业务运行状态的方法流程图;
图4是本发明实施例四提供的一种获取业务运行状态的方法流程图;
图5是本发明实施例五提供的一种获取业务运行状态的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种获取业务运行状态的方法,参见图1,该方法包括:
步骤101:获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为该业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第一数据集合包括该业务在第二时间点之前的多个时间点产生的数据;
步骤102:根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率;
步骤103:根据第二数据和第一数据集合,计算第二时间点的数据波动率;
步骤104:根据第一时间点的数据波动率和第二时间点的数据波动率,确定该业务的运行状态。
其中,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,包括:
按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的每个数据的权重;
从第一数据序列中获取第二数据序列,第二数据序列包括第二个数N个数据且最后一个数据为第一数据;
根据第二数据序列包括的每个数据和第二数据序列包括的每个数据的权重,预测第一时间点的预测数据;
根据第一数据和第一时间点的预测数据计算第一时间点的数据波动率。
其中,计算第一数据序列中的每个数据的权重,包括:
获取第一数据序列中间位置的一个中间数据,以及从第一数据序列中去除中间数据得到第三数据序列;
根据第一个数设置该中间数据的权重,第一个数为第一数据序列包括的数据个数;
根据第三数据序列中的每个数据对应的时间点、第一个数和该中间数据对应的时间点,分别计算第三数据序列中的每个数据的权重。
其中,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,包括:
按时间对第二数据和第一数据集合中的数据进行排序,得到第一数据序列,预测第一预测数据,第一预测数据为第一数据序列中的第一个数据对应时间点的预测数据;
根据第一数据序列中包括的数据个数、第一预测数据、第一数据序列中的每个数据和每个数据在第一数据序列中的位置,预测第二预测数据,第二预测数据为第一时间点的预测数据;
根据第一数据和第二预测数据计算第一时间点的数据波动率。
其中,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,包括:
按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的任意相邻两个数据对应时间点之间的时间差值;
根据该时间差值,确定第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据,第二时间点与第一时间点之间的时间差值等于一个周期长度;
如果第一数据序列中包括第一同比数据、第一环比数据、第二同比数据和第二环比数据,则根据第一数据、第二数据、第一同比数据、第一环比数据、第二同比数据和第二环比数据,计算第一时间点的数据波动率。
其中,根据该时间差值,确定第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据,包括:
根据时间差值,确定第三时间点、第四时间点、第五时间点和第六时间点,第三时间点为第一数据的第一同比数据对应的时间点,第四时间点为第一数据的第一环比数据对应的时间点,第五时间点为第二数据的第二同比数据对应的时间点,第六时间点为第二数据的第二环比数据对应的时间点;
根据第三时间点、第四时间点、第五时间点和第六时间点,判断第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据。
其中,根据第一数据、第二数据、第一同比数据、第一环比数据、第二同比数据和第二环比数据,计算第一时间点的数据波动率,包括:
根据第一数据和第二数据,计算第一数据的数据波动率;
根据第一同比数据和第二同比数据,计算第一同比数据波动率;
根据第一环比数据和第二环比数据,计算第一环比数据波动率;
计算第一数据的数据波动率与第一同比数据波动率之间的第一差值,以及计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;
将第一差值和第二差值确定为第一时间点的数据波动率。
进一步地,该方法还包括:
如果第一数据序列中不包括第一同比数据和/或第二同比数据,以及不包括第一环比数据和/或第二环比数据,则根据第一数据和第二数据,计算第一数据的数据波动率;
将第一数据的数据波动率确定为第一时间点的数据波动率。
进一步地,该方法还包括:
如果第一数据序列中包括第一同比数据和第二同比数据,且不包括第一环比数据和/或第二环比数据,则根据第一同比数据和第二同比数据,计算第一同比数据波动率;
根据第一数据和第二数据,计算第一数据的数据波动率;
计算第一数据的数据波动率与第一同比数据波动率之间的第一差值;
将第一差值确定为第一时间点的数据波动率。
进一步地,该方法还包括:
如果第一数据序列中不包括第一同比数据和/或第二同比数据,且包括第一环比数据和第二环比数据,则根据第一环比数据和第二环比数据,计算第一环比数据波动率;
根据第一数据和第二数据,计算第一数据的数据波动率;
计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;
将第二差值确定为第一时间点的数据波动率。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率确定第一数据是否正常,以及根据第二时间点的数据波动率确定第二数据是否正常,根据第一数据正常或者异常的状态和第二数据正常或者异常的状态确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
实施例二
本发明实施例提供了一种获取业务运行状态的方法,本实施例提供的方法适用于短期内数据波动较大,且总体趋势较平稳的数据。参见图2,该方法包括:
步骤201:获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为该业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第一数据集合包括该业务在第二时间点之前的多个时间点产生的数据;
具体地,获取业务在第一时间点产生的数据,将该数据确定为第一数据,以及获取该业务在第二时间点产生的数据,将该数据确定为第二数据。获取在第二时间点之前的多个时间点产生的数据,将第二时间点之前的多个时间点产生的数据组成第一数据集合。
其中,第一数据、第二数据和第一数据集合可以是用户向终端中输入的数据,也可以是终端从该业务的服务器中获取的数据。
步骤202:按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的每个数据的权重;
具体地,本步骤可以通过如下(1)-(4)的步骤来实现,包括:
(1)、按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列;
具体地,按照第一数据、第二数据和第一数据集合中的数据的时间先后顺序对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列。其中,第一数据集合中时间最早的数据排列在第一数据序列的第一个位置,第二数据排列在第一数据序列的倒数第二个位置,第一数据排列在第一数据序列的最后一个位置。
(2)、获取第一数据序列中间位置的一个中间数据,以及从第一数据序列中去除该中间数据得到第三数据序列;
具体地,统计第一个数,第一个数为第一数据序列中包括的数据的个数,将第一个数除以2,得到第一数值。根据第一数值,从第一数据序列中获取位于中间位置的一个中间数据,并从第一数据序列中去除该中间数据,得到第三数据序列。
其中,根据第一数值,从第一数据序列中获取位于中间位置的一个中间数据的具体操作可以为:如果第一数值为整数,则将第一数值确定为中间数据在第一数据序列中的位置,从第一数据序列中获取该位置的数据,将获取的数据确定为中间数据。如果第一数值不为整数,则将第一数值向上取整,得到第二数值,将第二数值确定为中间数据在第一数据序列中的位置,从第一数据序列中获取该位置的数据,将获取的数据确定为中间数据。
进一步地,如果第一数值为整数,也可以将第一数值增加1,得到第三数值,将第三数值确定为中间数据在第一数据序列中的位置,从第一数据序列中获取该位置的数据,将获取的数据确定为中间数据。
(3)、根据第一个数设置该中间数据的权重,第一个数为第一数据序列包括的数据个数;
具体地,将第一个数的倒数设置为该中间数据的权重。
(4)、根据第三数据序列中的每个数据对应的时间点、第一个数和该中间数据对应的时间点,分别计算第三数据序列中的每个数据的权重。
具体地,根据第三数据序列中的每个数据对应的时间点、第一个数和该中间数据对应的时间点,按照如下公式(1)分别计算第三数据序列中的每个数据的权重;
其中,在上述公式(1)中,wi为第三数据序列中的数据的权重,s1为第一个数,cTi为第三数据序列中的数据对应的时间点,zT1为第一数据序列中的中间数据对应的时间点。
其中,第三数据序列中的数据对应的时间点与第一数据序列中的中间数据对应的时间点之间的差值以分钟为单位。
步骤203:从第一数据序列中获取第二数据序列,第二数据序列包括第二个数N个数据且最后一个数据为第一数据;
其中,第二数据序列包括的数据即为第一数据序列中倒数的N个数据。
其中,第二个数N是根据第一个数获取的且第二个数N小于或等于第一个数。根据第一个数获取第二个数N的步骤可以为:如果第一个数小于或等于第一预设阈值,则将第一个数确定为第二个数N。如果第一个数大于第一预设阈值且小于或等于第二预设阈值,则将第二个数N确定为第一个数的三分之一。如果第一个数大于第二预设阈值,则将第二个数N确定为预设数值。
例如,第一预设阈值可以为3,第二预设阈值可以为21,预设数值可以为7。如果第一个数小于或等于3,则将第一个数确定为第二个数N。如果第一个数大于3且小于或等于21,则将第二个数N确定为第一个数的三分之一。如果第一个数大于21,则将第二个数N确定为7。
步骤204:根据第二数据序列包括的每个数据和第二数据序列包括的每个数据的权重,预测第一时间点的预测数据;
具体地,根据第二数据序列包括的每个数据和第二数据序列包括的每个数据的权重,按照如下公式(2)预测第一时间点的预测数据;
其中,在上述公式(2)中,y1为第一时间点的预测数据,xj为第二数据序列中的第j个数据,wj为第二数据序列中的第j个数据的权重,N为第二数据序列包括的数据的个数,即第二个数N。
步骤205:根据第一数据和第一时间点的预测数据计算第一时间点的数据波动率;
具体地,计算第一数据与第一时间点的预测数据之间的数据差值,将该数据差值除以第一数据,得到第一时间点的数据波动率。
进一步地,根据第四数据序列中的每个数据对应的时间点的预测数据和第四数据序列中的每个数据,计算第一参考波动率,第四数据序列由第一数据序列中的第N个数据以及第N个数据之后的数据组成;
具体地,根据第四数据序列中的每个数据对应的时间点的预测数据和第四数据序列中的每个数据,分别计算第四数据序列中的每个数据的数据波动率。从第四数据序列包括的数据的数据波动率中去除最大的数据波动率和最小的数据波动率,将剩余的数据波动率进行相加,将相加得到的数值除以剩余的数据波动率的个数,得到第一平均波动率。如果第一平均波动率小于或等于预设的波动率,则将预设的波动率确定为第一参考波动率;如果第一平均波动率大于预设的波动率,则根据预设的波动率的权重和第一平均波动率的权重,计算第一参考波动率。
其中,第四数据序列中的每个数据对应的时间点的预测数据可以根据每个数据和该数据之前的N-1个数据,以及每个数据的权重和该数据之前的N-1个数据的权重,按照上述公式(2)计算。例如,第四数据序列中的第N个数据对应的时间点的预测数据可以根据第四数据序列中第N个数据和第N个数据之前的数据、以及第N个数据的权重和第N个数据之前的数据的权重计算得到的。再例如,第四数据序列中的最后一个数据对应的时间点的预测数据可以根据第四数据序列中的最后一个数据和最后一个数据之前的N-1个数据、以及最后一个数据的权重和最后一个数据之前的N-1个数据的权重计算得到的。
其中,根据第四数据序列中的每个数据对应的时间点的预测数据和第四数据序列中的每个数据,分别计算第四数据序列中的每个数据的数据波动率的具体操作可以为:计算第四数据序列中的每个数据对应的时间点的预测数据与第四数据序列中的每个数据之间的差值,将第四数据序列中的每个数据对应的差值分别除以第四数据序列中的每个数据,得到第四数据序列中的每个数据对应的数据波动率。
其中,根据预设的波动率的权重和第一平均波动率的权重计算第一参考波动率的具体操作可以为:将预设的波动率与预设的波动率的权重相乘,得到第四数值,将第一平均波动率与第一平均波动率的权重相乘,得到第五数值。将第四数值与第五数值相加,得到第一参考波动率。
其中,预设的波动率的权重与第一平均波动率的权重之和为1。例如,预设的波动率的权重可以为0.8,第一平均波动率的权重可以为0.2。
步骤206:根据第二数据和第一数据集合,计算第二时间点的数据波动率;
具体地,本步骤可以通过如下(A)-(D)的步骤来实现,包括:
(A)、按时间对第二数据和第一数据集合中的数据进行排序,得到第五数据序列,计算第五数据序列中的每个数据的权重;
具体地,本步骤可以通过如下(1)-(4)的步骤来实现,包括:
(1)、按时间对第二数据和第一数据集合中的数据进行排序,得到第五数据序列;
具体地,按照第二数据和第一数据集合中的数据的时间先后顺序对第二数据和第一数据集合中的数据进行排序,得到第五数据序列。其中,第一数据集合中时间最早的数据排列在第五数据序列的第一个位置,第二数据排列在第五数据序列的最后一个位置。
(2)、获取第五数据序列中间位置的一个中间数据,以及从第五数据序列中去除该中间数据得到第六数据序列;
具体地,统计第三个数,第三个数为第五数据序列中包括的数据的个数,将第三个数除以2,得到第六数值。根据第六数值,从第五数据序列中获取位于中间位置的一个中间数据,并从第五数据序列中去除该中间数据,得到第六数据序列。
其中,根据第六数值,从第五数据序列中获取位于中间位置的一个中间数据的具体操作可以为:如果第六数值为整数,则将第六数值确定为中间数据在第五数据序列中的位置,从第五数据序列中获取该位置的数据,将获取的数据确定为中间数据。如果第六数值不为整数,则将第六数值向上取整,得到第七数值,将第七数值确定为中间数据在第五数据序列中的位置,从第五数据序列中获取该位置的数据,将获取的数据确定为中间数据。
进一步地,如果第六数值为整数,也可以将第六数值增加1,得到第八数值,将第八数值确定为中间数据在第五数据序列中的位置,从第五数据序列中获取该位置的数据,将获取的数据确定为中间数据。
(3)、根据第三个数设置该中间数据的权重,第三个数为第五数据序列包括的数据个数;
具体地,将第三个数的倒数设置为该中间数据的权重。
(4)、根据第六数据序列中的每个数据对应的时间点、第三个数和该中间数据对应的时间点,分别计算第六数据序列中的每个数据的权重。
具体地,根据第六数据序列中的每个数据对应的时间点、第三个数和该中间数据对应的时间点,按照如下公式(3)分别计算第六数据序列中的每个数据的权重;
其中,在上述公式(3)中,wi为第六数据序列中的数据的权重,s2为第三个数,cTi为第六数据序列中的数据对应的时间点,zT2为第五数据序列中的中间数据对应的时间点。
其中,第六数据序列中的数据对应的时间点与第五数据序列中的中间数据对应的时间点之间的差值以分钟为单位。
(B)、从第五数据序列中获取第七数据序列,第七数据序列包括第四个数M个数据且最后一个数据为第二数据;
其中,第七数据序列包括的数据即为第五数据序列中倒数的M个数据。
其中,第四个数M是根据第三个数获取的且第四个数M小于或等于第三个数。根据第三个数获取第四个数M的步骤可以为:如果第三个数小于或等于第一预设阈值,则将第三个数确定为第四个数M。如果第三个数大于第一预设阈值且小于或等于第二预设阈值,则将第四个数M确定为第三个数的三分之一。如果第三个数大于第二预设阈值,则将第四个数M确定为预设数值。
例如,第一预设阈值可以为3,第二预设阈值可以为21,预设数值可以为7。如果第三个数小于或等于3,则将第三个数确定为第四个数M。如果第三个数大于3且小于或等于21,则将第四个数M确定为第三个数的三分之一。如果第三个数大于21,则将第四个数M确定为7。
(C)、根据第七数据序列包括的每个数据和第七数据序列包括的每个数据的权重,预测第二时间点的预测数据;
具体地,根据第七数据序列包括的每个数据和第七数据序列包括的每个数据的权重,按照如下公式(4)预测第二时间点的预测数据;
其中,在上述公式(4)中,y2为第二时间点的预测数据,xj为第七数据序列中的第j个数据,wj为第七数据序列中的第j个数据的权重,M为第七数据序列包括的数据的个数,即第四个数M。
(D)、根据第二数据和第二时间点的预测数据计算第二时间点的数据波动率;
具体地,计算第二数据与第二时间点的预测数据之间的数据差值,将该数据差值除以第二数据,得到第二时间点的数据波动率。
进一步地,根据第八数据序列中的每个数据对应的时间点的预测数据和第八数据序列中的每个数据,计算第二参考波动率,第八数据序列由第五数据序列中的第M个数据以及第M个数据之后的数据组成;
具体地,根据第八数据序列中的每个数据对应的时间点的预测数据和第八数据序列中的每个数据,分别计算第八数据序列中的每个数据的数据波动率。从第八数据序列中包括的数据的数据波动率中去除最大的数据波动率和最小的数据波动率,将剩余的数据波动率进行相加,将相加得到的数值除以剩余的数据波动率的个数,得到第二平均波动率。如果第二平均波动率小于或等于预设的波动率,则将预设的波动率确定为第二参考波动率;如果第二平均波动率大于预设的波动率,则根据预设的波动率的权重和第二平均波动率的权重,计算第二参考波动率。
其中,第八数据序列中的每个数据对应的时间点的预测数据可以根据每个数据和该数据之前的M-1个数据,以及每个数据的权重和该数据之前的M-1个数据的权重,按照上述公式(4)计算。例如,第八数据序列中的第M个数据对应的时间点的预测数据可以根据第八数据序列中第M个数据和第M个数据之前的数据、以及第M个数据的权重和第M个数据之前的数据的权重计算得到的。再例如,第八数据序列中的最后一个数据对应的时间点的预测数据可以根据第八数据序列中的最后一个数据和最后一个数据之前的M-1个数据、以及最后一个数据的权重和最后一个数据之前的M-1个数据的权重计算得到的。
其中,根据第八数据序列中的每个数据对应的时间点的预测数据和第八数据序列中的每个数据,分别计算第八数据序列中的每个数据的数据波动率的具体操作可以为:计算第八数据序列中的每个数据对应的时间点的预测数据与第八数据序列中的每个数据之间的差值,将第八数据序列中的每个数据对应的差值分别除以第八数据序列中的每个数据,得到第八数据序列中的每个数据对应的数据波动率。
其中,根据预设的波动率的权重和第二平均波动率的权重计算第二参考波动率的具体操作可以为:将预设的波动率与预设的波动率的权重相乘,得到第九数值,将第二平均波动率与第二平均波动率的权重相乘,得到第十数值。将第九数值与第十数值相加,得到第二参考波动率。
其中,预设的波动率的权重与第二平均波动率的权重之和为1。例如,预设的波动率的权重可以为0.8,第二平均波动率的权重可以为0.2。
步骤207:根据第一时间点的数据波动率和第二时间点的数据波动率,确定该业务的运行状态。
具体地,如果第一时间点的数据波动率大于第一参考波动率且第二时间点的数据波动率大于第二参考波动率,则确定该业务的运行状态为持续异常状态;如果第一时间点的数据波动率大于第一参考波动率且第二时间点的数据波动率小于或等于第二参考波动率,则确定该业务的运行状态为异常状态;如果第一时间点的数据波动率小于或等于第一参考波动率且第二时间点的数据波动率大于第二参考波动率,则确定该业务的运行状态为恢复正常状态;如果第一时间点的数据波动率小于或等于第一参考波动率且第二时间点的数据波动率小于或等于第二参考波动率,则确定该业务的运行状态为正常状态。
其中,如果第一时间点的数据波动率大于第一参考波动率,则确定第一数据存在异常,否则,确定第一数据正常。如果第二时间点的数据波动率大于第二参考波动率,则确定第二数据存在异常,否则,确定第二数据正常。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率确定第一数据是否正常,以及根据第二时间点的数据波动率确定第二数据是否正常,根据第一数据正常或者异常的状态和第二数据正常或者异常的状态确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
实施例三
本发明实施例提供了一种获取业务运行状态的方法,本发明实施例提供的方法适用于第一数据、第二数据和第一数据集合中的数据没有明显的变化,或者有明显的上升或者下降变化趋势的数据。参见图3,该方法包括:
步骤301:获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为该业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第一数据集合包括该业务在第二时间点之前的多个时间点产生的数据;
具体地,获取业务在第一时间点产生的数据,将该数据确定为第一数据,以及获取该业务在第二时间点产生的数据,将该数据确定为第二数据。获取在第二时间点之前的多个时间点产生的数据,将第二时间点之前的多个时间点产生的数据组成第一数据集合。
其中,第一数据、第二数据和第一数据集合可以是用户向终端中输入的数据,也可以是终端从该业务的服务器中获取的数据。
步骤302:按时间对第二数据和第一数据集合中的数据进行排序,得到第一数据序列,预测第一预测数据,第一预测数据为第一数据序列中的第一个数据对应时间点的预测数据;
具体地,按时间对第二数据和第一数据集合中的数据进行排序,得到第一数据序列。从第一数据序列中获取第一个数据,根据第一个数据,按照如下公式(1)计算第一预测数据;
其中,在上述公式(1)中,y1为第一预测数据,x1为第一数据序列中的第一个数据,d为预设的波动值。
其中,按照第二数据和第一数据集合中的数据的时间先后顺序对第二数据和第一数据集合中的数据进行排序,得到第一数据序列。其中,第一数据集合中时间最早的数据排列在第一数据序列的第一个位置,第二数据排列在第一数据序列的最后一个位置。
步骤303:根据第一数据序列中包括的数据个数、第一预测数据、第一数据序列中的每个数据和每个数据在第一数据序列中的位置,预测第二预测数据,第二预测数据为第一时间点的预测数据;
具体地,根据第一数据序列中包括的数据个数、第一预测数据、第一数据序列中的每个数据和每个数据在第一数据序列中的位置,按照如下公式(2)预测第二预测数据;
其中,在上述公式(2)中,yt+1为第二预测数据,t为第一数据序列中包括的数据个数,y1为第一预测数据,xi为第一数据序列中的第i个数据,i为第一数据序列中的数据在第一数据序列中的位置,a为平滑系数,且0≤a≤1。
其中,平滑系数可以是事先设置的,也可以是事先从多个预设数值中选择的一个预设数值,将选择的预设数值确定为平滑系数。
其中,事先从多个预设数值中选择一个预设数值,将选择的预设数值确定为平滑系数的具体操作可以为:将多个预设数值分别确定为上述公式(2)中的平滑系数,根据多个预设数值、第一数据序列中包括的数据个数、第一预测数据、第一数据序列中的每个数据和每个数据在第一数据序列中的位置,按照上述公式(2)分别计算每个预设数值对应的第二预测数据,根据每个预设数值对应的第二预测数据和第一数据,计算每个预设数值对应的第一数据的数据波动率。选择最小的第一数据的数据波动率对应的第二预测数据,将计算该第二预测数据的预设数值确定为平滑系数。
例如,该多个预设数值可以为0.01、0.02、0.03……0.99等99个数值。
步骤304:根据第一数据和第二预测数据计算第一时间点的数据波动率;
具体地,计算第一数据和第二预测数据之间的差值,将该差值除以第一数据,得到第一时间点的数据波动率。
步骤305:根据第二数据和第一数据集合,计算第二时间点的数据波动率;
具体地,按时间对第一数据集合中的数据进行排序,得到第二数据序列。根据第二数据序列中包括的数据个数、第一预测数据、第二数据序列中的每个数据和每个数据在第二数据序列中的位置,预测第三预测数据,第三预测数据为第二时间点的预测数据。根据第二数据和第三预测数据计算第二时间点的数据波动率。
其中,按照第一数据集合中的数据的时间先后顺序对第一数据集合中的数据进行排序,得到第二数据序列。其中,第一数据集合中时间最早的数据排列在第二数据序列的第一个位置,第一数据集合中时间最晚的数据排列在第二数据序列的最后一个位置。
其中,根据第二数据序列中包括的数据个数、第一预测数据、第二数据序列中的每个数据和每个数据在第二数据序列中的位置,预测第三预测数据的具体操作可以为:根据第二数据序列中包括的数据个数、第一预测数据、第二数据序列中的每个数据和每个数据在第二数据序列中的位置,按照如下公式(3)预测第三预测数据;
其中,在上述公式(3)中,yh+1为第三预测数据,h为第二数据序列中包括的数据个数,y1为第一预测数据,xi为第二数据序列中的第i个数据,i为第二数据序列中的数据在第二数据序列中的位置,a为平滑系数,且0≤a≤1。
其中,根据第二数据和第三预测数据计算第二时间点的数据波动率的具体操作可以为:计算第二数据和第三预测数据之间的差值,将该差值除以第二数据,得到第二时间点的数据波动率。
步骤306:根据第一时间点的数据波动率和第二时间点的数据波动率,确定该业务的运行状态。
具体地,如果第一时间点的数据波动率大于参考波动率且第二时间点的数据波动率大于参考波动率,则确定该业务的运行状态为持续异常状态;如果第一时间点的数据波动率大于参考波动率且第二时间点的数据波动率小于或等于参考波动率,则确定该业务的运行状态为异常状态;如果第一时间点的数据波动率小于或等于参考波动率且第二时间点的数据波动率大于参考波动率,则确定该业务的运行状态为恢复正常状态;如果第一时间点的数据波动率小于或等于参考波动率且第二时间点的数据波动率小于或等于参考波动率,则确定该业务的运行状态为正常状态。
其中,如果第一时间点的数据波动率大于参考波动率,则确定第一数据存在异常,否则,确定第一数据正常。如果第二时间点的数据波动率大于参考波动率,则确定第二数据存在异常,否则,确定第二数据正常。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率确定第一数据是否正常,以及根据第二时间点的数据波动率确定第二数据是否正常,根据第一数据正常或者异常的状态和第二数据正常或者异常的状态确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
实施例四
本发明实施例提供了一种获取业务运行状态的方法,本发明实施例提供的方法适用于第一数据集合中至少存在第一数据和第二数据。参见图4,该方法包括:
步骤401:获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为该业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第二时间点与第一时间点之间的时间差值等于一个周期长度,第一数据集合包括该业务在第二时间点之前的多个时间点产生的数据;
具体地,获取业务在第一时间点产生的数据,将该数据确定为第一数据,以及获取该业务在第二时间点产生的数据,将该数据确定为第二数据。获取在第二时间点之前的多个时间点产生的数据,将第一时间点之前的多个时间点产生的数据组成第一数据集合。
其中,第一数据、第二数据和第一数据集合可以是用户向终端中输入的数据,也可以是终端从该业务的服务器中获取的数据。
步骤402:按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的任意相邻两个数据对应时间点之间的时间差值;
具体地,按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列。从第一数据序列中随机选择一个数据,获取与选择的数据相邻的一个数据,计算选择的数据对应的时间点与相邻的数据对应的时间点之间的时间差值。
其中,与选择的数据相邻的一个数据可以为选择的数据之前且与选择的数据相邻的一个数据,也可以为选择的数据之后且与选择的数据相邻的一个数据。
步骤403:根据该时间差值,确定第三时间点、第四时间点、第五时间点和第六时间点,第三时间点为第一数据的第一同比数据对应的时间点,第四时间点为第一数据的第一环比数据对应的时间点,第五时间点为第二数据的第二同比数据对应的时间点,第六时间点为第二数据的第二环比数据对应的时间点;
具体地,本步骤可以分为如下三种情况,包括:
第一种、如果该时间差值小于预设阈值,则将第一时间点之前且与第一时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第三时间点;将第一时间点之前且与第一时间点之间的时间差值为一个周期长度的时间点确定为第四时间点。将第二时间点之前且与第二时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第五时间点;将第二时间点之前且与第二时间点之间的时间差值为一个周期长度的时间点确定为第六时间点。
其中,预设阈值、周期长度和第一预设个数可以为技术人员事先设置的。例如,预设阈值可以为天,即24小时,周期长度也可以为天,第一预设个数可以为7。
第二种、如果该时间差值等于预设阈值,则将第一时间点之前且与第一时间点之间的时间差值为第二预设个数个周期长度对应的时间点确定为第三时间点;将第一时间点之前且与第一时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第四时间点。将第二时间点之前且与第二时间点之间的时间差值为第二预设个数个周期长度对应的时间点确定为第五时间点;将第二时间点之前且与第二时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第六时间点。
其中,第二预设个数也可以为技术人员事先设置的。例如,第二预设个数可以为30。
第三种、如果该时间差值大于预设阈值,则将第一时间点之前且与第一时间点之间的时间差值为第三预设个数个周期长度对应的时间点确定为第四时间点;将第二时间点之前且与第二时间点之间的时间差值为第三预设个数个周期长度对应的时间点确定为第六时间点。
其中,当该时间差值大于预设阈值时,不考虑第一同比数据和第二同比数据,直接确定第一环比数据和第二环比数据对应的时间点即可。
其中,第三预设个数可以为技术人员事先设置的。例如,第三预设个数可以为49。
步骤404:根据第三时间点、第四时间点、第五时间点和第六时间点,判断第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据;
具体地,判断第一数据序列中是否包括第三时间点对应的数据,如果包括,则从第一数据序列中获取第三时间点对应的数据,将第三时间点对应的数据确定为第一数据的第一同比数据,否则,确定第一数据序列中不包括第一数据的第一同比数据。判断第一数据序列中是否包括第四时间点对应的数据,如果包括,则从第一数据序列中获取第四时间点对应的数据,将第四时间点对应的数据确定为第一数据的第一环比数据,否则,确定第一数据序列中不包括第一数据的第一环比数据。判断第一数据序列中是否包括第五时间点对应的数据,如果包括,则从第一数据序列中获取第五时间点对应的数据,将第五时间点对应的数据确定为第二数据的第二同比数据,否则,确定第一数据序列中不包括第二数据的第二同比数据。判断第一数据序列中是否包括第六时间点对应的数据,如果包括,则从第一数据序列中获取第六时间点对应的数据,将第六时间点对应的数据确定为第二数据的第二环比数据,否则,确定第一数据序列中不包括第二数据的第二环比数据。
步骤405:如果第一数据序列中包括第一同比数据、第一环比数据、第二同比数据和第二环比数据,则根据第一数据、第二数据、第一同比数据、第一环比数据、第二同比数据和第二环比数据,计算第一时间点的数据波动率;
具体地,本步骤可以通过如下(1)-(5)的步骤来实现,包括:
(1)、根据第一数据和第二数据,计算第一数据的数据波动率;
具体地,计算第一数据与第二数据之间的差值,将该差值除以第二数据,得到第一数据的数据波动率。
(2)、根据第一同比数据和第二同比数据,计算第一同比数据波动率;
具体地,计算第一同比数据与第二同比数据之间的差值,将该差值除以第二同比数据,得到第一同比数据波动率。
(3)、根据第一环比数据和第二环比数据,计算第一环比数据波动率;
具体地,计算第一环比数据与第二环比数据之间的差值,将该差值除以第二环比数据,得到第一环比数据波动率。
(4)、计算第一数据的数据波动率与第一同比数据波动率之间的第一差值,以及计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;
(5)、将第一差值和第二差值确定为第一时间点的数据波动率。
步骤406:如果第一数据序列中不包括第一同比数据和/或第二同比数据,以及不包括第一环比数据和/或第二环比数据,则根据第一数据和第二数据,计算第一时间点的数据波动率;
具体地,如果第一数据序列中不包括第一同比数据和/或第二同比数据,以及不包括第一环比数据和/或第二环比数据,则根据第一数据和第二数据,计算第一数据的数据波动率;将第一数据的数据波动率确定为第一时间点的数据波动率。
步骤407:如果第一数据序列中包括第一同比数据和第二同比数据,且不包括第一环比数据和/或第二环比数据,则根据第一数据、第二数据、第一同比数据和第二同比数据,计算第一时间点的数据波动率;
具体地,如果第一数据序列中包括第一同比数据和第二同比数据,且不包括第一环比数据和/或第二环比数据,则根据第一同比数据和第二同比数据,计算第一同比数据波动率;根据第一数据和第二数据,计算第一数据的数据波动率;计算第一数据的数据波动率与第一同比数据波动率之间的第一差值;将第一差值确定为第一时间点的数据波动率。
步骤408:如果第一数据序列中不包括第一同比数据和/或第二同比数据,且包括第一环比数据和第二环比数据,则根据第一数据、第二数据、第一环比数据和第二环比数据,计算第一时间点的数据波动率;
具体地,如果第一数据序列中不包括第一同比数据和/或第二同比数据,且包括第一环比数据和第二环比数据,则根据第一环比数据和第二环比数据,计算第一环比数据波动率;根据第一数据和第二数据,计算第一数据的数据波动率;计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;将第二差值确定为第一时间点的数据波动率。
步骤409:根据第二数据和第一数据集合,计算第二时间点的数据波动率;
具体地,本步骤可以通过如下(A)-(G)的步骤来实现,包括:
(A)、从第一数据序列中获取第三数据,第三数据为该业务在第七时间点产生的数据,第七时间点在第二时间点之前且与第二时间点之前的时间差值等于一个周期长度;
(B)、根据该时间差值,确定第八时间点和第九时间点,第八时间点为第三数据的第三同比数据对应的时间点,第九时间点为第三数据的第三环比数据对应的时间点;
具体地,本步骤可以分为如下三种情况,包括:
第一种、如果该时间差值小于预设阈值,则将第七时间点之前且与第七时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第八时间点;将第七时间点之前且与第七时间点之间的时间差值为一个周期长度的时间点确定为第九时间点。
其中,预设阈值、周期长度和第一预设个数可以为技术人员事先设置的。例如,预设阈值可以为天,即24小时,周期长度也可以为天,第一预设个数可以为7。
第二种、如果该时间差值等于预设阈值,则将第七时间点之前且与第七时间点之间的时间差值为第二预设个数个周期长度对应的时间点确定为第八时间点;将第七时间点之前且与第七时间点之间的时间差值为第一预设个数个周期长度对应的时间点确定为第九时间点。
其中,第二预设个数也可以为技术人员事先设置的。例如,第二预设个数可以为30。
第三种、如果该时间差值大于预设阈值,则将第七时间点之前且与第七时间点之间的时间差值为第三预设个数个周期长度对应的时间点确定为第八时间点。
其中,当该时间差值大于预设阈值时,不考虑第二同比数据和第三同比数据,直接确定第二环比数据和第三环比数据对应的时间点即可。
其中,第三预设个数可以为技术人员事先设置的。例如,第三预设个数可以为49。
(C)、根据第五时间点、第六时间点、第八时间点和第九时间点,判断第一数据序列中是否包括第二数据的第二同比数据和第二环比数据以及第三数据的第三同比数据和第三环比数据;
具体地,判断第一数据序列中是否包括第五时间点对应的数据,如果包括,则从第一数据序列中获取第五时间点对应的数据,将第五时间点对应的数据确定为第二数据的第二同比数据,否则,确定第一数据序列中不包括第二数据的第二同比数据。判断第一数据序列中是否包括第六时间点对应的数据,如果包括,则从第一数据序列中获取第六时间点对应的数据,将第六时间点对应的数据确定为第二数据的第二环比数据,否则,确定第一数据序列中不包括第二数据的第二环比数据。判断第一数据序列中是否包括第八时间点对应的数据,如果包括,则从第一数据序列中获取第八时间点对应的数据,将第八时间点对应的数据确定为第三数据的第三同比数据,否则,确定第一数据序列中不包括第三数据的第三同比数据。判断第一数据序列中是否包括第九时间点对应的数据,如果包括,则从第一数据序列中获取第九时间点对应的数据,将第九时间点对应的数据确定为第三数据的第三环比数据,否则,确定第一数据序列中不包括第三数据的第三环比数据。
(D)、如果第一数据序列中包括第二同比数据、第二环比数据、第三同比数据和第三环比数据,则根据第二数据、第三数据、第二同比数据、第二环比数据、第三同比数据和第三环比数据,计算第二时间点的数据波动率;
具体地,本步骤可以通过如下(1)-(5)的步骤来实现,包括:
(1)、根据第二数据和第三数据,计算第二数据的数据波动率;
具体地,计算第二数据与第三数据之间的差值,将该差值除以第三数据,得到第二数据的数据波动率。
(2)、根据第二同比数据和第三同比数据,计算第二同比数据波动率;
具体地,计算第二同比数据与第三同比数据之间的差值,将该差值除以第三同比数据,得到第二同比数据波动率。
(3)、根据第二环比数据和第三环比数据,计算第二环比数据波动率;
具体地,计算第二环比数据与第三环比数据之间的差值,将该差值除以第三环比数据,得到第二环比数据波动率。
(4)、计算第二数据的数据波动率与第二同比数据波动率之间的第三差值,以及计算第二数据的数据波动率与第二环比数据波动率之间的第四差值;
(5)、将第三差值和第四差值确定为第二时间点的数据波动率。
(E)、如果第一数据序列中不包括第二同比数据和/或第三同比数据,以及不包括第二环比数据和/或第三环比数据,则根据第二数据和第三数据,计算第二时间点的数据波动率;
具体地,如果第一数据序列中不包括第二同比数据和/或第三同比数据,以及不包括第二环比数据和/或第三环比数据,则根据第二数据和第三数据,计算第二数据的数据波动率;将第二数据的数据波动率确定为第二时间点的数据波动率。
(F)、如果第一数据序列中包括第二同比数据和第三同比数据,且不包括第二环比数据和/或第三环比数据,则根据第二数据、第三数据、第二同比数据和第三同比数据,计算第二时间点的数据波动率;
具体地,如果第一数据序列中包括第二同比数据和第三同比数据,且不包括第二环比数据和/或第三环比数据,则根据第二同比数据和第三同比数据,计算第二同比数据波动率;根据第二数据和第三数据,计算第二数据的数据波动率;计算第二数据的数据波动率与第二同比数据波动率之间的第三差值;将第三差值确定为第二时间点的数据波动率。
(G)、如果第一数据序列中不包括第二同比数据和/或第三同比数据,且包括第二环比数据和第三环比数据,则根据第二数据、第三数据、第二环比数据和第三环比数据,计算第二时间点的数据波动率;
具体地,如果第一数据序列中不包括第二同比数据和/或第三同比数据,且包括第二环比数据和第三环比数据,则根据第二环比数据和第三环比数据,计算第二环比数据波动率;根据第二数据和第三数据,计算第二数据的数据波动率;计算第二数据的数据波动率与第二环比数据波动率之间的第四差值;将第四差值确定为第二时间点的数据波动率。
步骤410:根据第一时间点的数据波动率和第二时间点的数据波动率,确定该业务的运行状态。
具体地,如果第一时间点的数据波动率大于参考波动率且第二时间点的数据波动率大于参考波动率,则确定该业务的运行状态为持续异常状态;如果第一时间点的数据波动率大于参考波动率且第二时间点的数据波动率小于或等于参考波动率,则确定该业务的运行状态为异常状态;如果第一时间点的数据波动率小于或等于参考波动率且第二时间点的数据波动率大于参考波动率,则确定该业务的运行状态为恢复正常状态;如果第一时间点的数据波动率小于或等于参考波动率且第二时间点的数据波动率小于或等于参考波动率,则确定该业务的运行状态为正常状态。
其中,当第一时间点的数据波动率为第一数据的数据波动率与第一同比数据波动率之间的第一差值和第一数据的数据波动率与第一环比数据波动率之间的第二差值时,如果第一差值大于参考波动率且第二差值大于参考波动率,则确定第一数据异常,否则,确定第一数据正常。当第二时间点的数据波动率为第二数据的数据波动率与第二同比数据波动率之间的第三差值和第二数据的数据波动率与第二环比数据波动率之间的第四差值时,如果第三差值大于参考波动率且第四差值大于参考波动率,则确定第二数据异常,否则,确定第二数据正常。
其中,在获取业务运行状态时,终端可以根据第一数据、第二数据和第一数据集合选择采用实施例二提供的方法、实施例三提供的方法还是实施例四提供的方法获取该业务的运行状态。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率确定第一数据是否正常,以及根据第二时间点的数据波动率确定第二数据是否正常,根据第一数据正常或者异常的状态和第二数据正常或者异常的状态确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
实施例五
参见图5,本发明实施例提供了一种获取业务运行状态的装置,该装置包括:
获取模块501,用于获取第一数据、第二数据和第一数据集合,第一数据为业务在第一时间点产生的数据,第二数据为该业务在第二时间点产生的数据,第二时间点为第一时间点之前的时间点,第一数据集合包括该业务在第二时间点之前的多个时间点产生的数据;
第一计算模块502,用于根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率;
第二计算模块503,用于根据第二数据和第一数据集合,计算第二时间点的数据波动率;
第一确定模块504,用于根据第一时间点的数据波动率和第二时间点的数据波动率,确定该业务的运行状态。
其中,第一计算模块502包括:
第一计算单元,用于按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的每个数据的权重;
获取单元,用于从第一数据序列中获取第二数据序列,第二数据序列包括第二个数N个数据且最后一个数据为第一数据;
第一预测单元,用于根据第二数据序列包括的每个数据和每个数据的权重,预测第一时间点的预测数据;
第二计算单元,用于根据第一数据和第一时间点的预测数据计算第一时间点的数据波动率。
其中,第一计算单元,具体用于:
按时间对第一数据和第一数据集合中的数据进行排序,得到第一数据序列;
获取第一数据序列中间位置的一个中间数据,以及从第一数据序列中去除中间数据得到第三数据序列;
根据第一个数设置该中间数据的权重,第一个数为第一数据序列包括的数据个数;
根据第三数据序列中的每个数据对应的时间点、第一个数和该中间数据对应的时间点,分别计算第三数据序列中的每个数据的权重。
其中,第一计算模块502包括:
排序单元,用于按时间对第二数据和第一数据集合中的数据进行排序,得到第一数据序列,预测第一预测数据,第一预测数据为第一数据序列中的第一个数据对应时间点的预测数据;
第二预测单元,用于根据第一数据序列中包括的数据个数、第一预测数据、第一数据序列中的每个数据和每个数据在第一数据序列中的位置,预测第二预测数据,第二预测数据为第一时间点的预测数据;
第三计算单元,用于根据第一数据和第二预测数据计算第一时间点的数据波动率。
其中,第一计算模块502包括:
第四计算单元,用于按时间对第一数据、第二数据和第一数据集合中的数据进行排序,得到第一数据序列,计算第一数据序列中的任意相邻两个数据对应时间点之间的时间差值;
确定单元,用于根据该时间差值,确定第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据,第二时间点与第一时间点之间的时间差值等于一个周期长度;
第五计算单元,用于如果第一数据序列中包括第一同比数据、第一环比数据、第二同比数据和第二环比数据,则根据第一数据、第二数据、第一同比数据、第一环比数据、第二同比数据和第二环比数据,计算第一时间点的数据波动率。
其中,确定单元,具体用于:
根据该时间差值,确定第三时间点、第四时间点、第五时间点和第六时间点,第三时间点为第一数据的第一同比数据对应的时间点,第四时间点为第一数据的第一环比数据对应的时间点,第五时间点为第二数据的第二同比数据对应的时间点,第六时间点为第二数据的第二环比数据对应的时间点;
根据第三时间点、第四时间点、第五时间点和第六时间点,判断第一数据序列中是否包括第一数据的第一同比数据和第一环比数据以及第二数据的第二同比数据和第二环比数据。
其中,第五计算单元,具体用于:
如果第一数据序列中包括第一同比数据、第一环比数据、第二同比数据和第二环比数据,则根据第一数据和第二数据,计算第一数据的数据波动率;
根据第一同比数据和第二同比数据,计算第一同比数据波动率;
根据第一环比数据和第二环比数据,计算第一环比数据波动率;
计算第一数据的数据波动率与第一同比数据波动率之间的第一差值,以及计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;
将第一差值和第二差值确定为第一时间点的数据波动率。
进一步地,该装置还包括:
第三计算模块,用于如果第一数据序列中不包括第一同比数据和/或第二同比数据,以及不包括第一环比数据和/或第二环比数据,则根据第一数据和第二数据,计算第一数据的数据波动率;
第二确定模块,用于将第一数据的数据波动率确定为第一时间点的数据波动率。
进一步地,该装置还包括:
第四计算模块,用于如果第一数据序列中包括第一同比数据和第二同比数据,且不包括第一环比数据和/或第二环比数据,则根据第一同比数据和第二同比数据,计算第一同比数据波动率;
第五计算模块,用于根据第一数据和第二数据,计算第一数据的数据波动率;
第六计算模块,用于计算第一数据的数据波动率与第一同比数据波动率之间的第一差值;
第三确定模块,用于将第一差值确定为第一时间点的数据波动率。
进一步地,该装置还包括:
第七计算模块,用于如果第一数据序列中不包括第一同比数据和/或第二同比数据,且包括第一环比数据和第二环比数据,则根据第一环比数据和第二环比数据,计算第一环比数据波动率;
第八计算模块,用于根据第一数据和第二数据,计算第一数据的数据波动率;
第九计算模块,用于计算第一数据的数据波动率与第一环比数据波动率之间的第二差值;
第四确定模块,用于将第二差值确定为第一时间点的数据波动率。
在本发明实施例中,获取第一数据、第二数据和第一数据集合,根据第一数据、第二数据和第一数据集合,计算第一时间点的数据波动率,根据第二数据和第一数据集合计算第二时间点的数据波动率。根据第一时间点的数据波动率确定第一数据是否正常,以及根据第二时间点的数据波动率确定第二数据是否正常,根据第一数据正常或者异常的状态和第二数据正常或者异常的状态确定该业务的运行状态,从而能及时地发现业务发生的异常问题,进而能够及时地对该异常问题进行处理。
需要说明的是:上述实施例提供的获取业务运行状态的装置在获取业务运行状态时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的获取业务运行状态的装置与获取业务运行状态的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种获取业务运行状态的方法,其特征在于,所述方法包括:
获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
按时间对所述第一数据、所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,计算所述第一数据序列中的每个数据的权重;
从所述第一数据序列中获取第二数据序列,所述第二数据序列包括N个数据且最后一个数据为所述第一数据,且所述N小于所述第一数据序列的数据个数;
根据所述第二数据序列包括的每个数据和所述每个数据的权重,预测所述第一时间点的预测数据;
根据所述第一数据和所述第一时间点的预测数据计算所述第一时间点的数据波动率;
其中,所述计算所述第一数据序列中的每个数据的权重,包括:
获取所述第一数据序列中间位置的一个中间数据,以及从所述第一数据序列中去除所述中间数据得到第三数据序列;
将第一个数的倒数设置为所述中间数据的权重,所述第一个数为所述第一数据序列包括的数据个数;
根据所述第三数据序列中的每个数据对应的时间点、所述第一个数和所述中间数据对应的时间点,通过公式分别计算所述第三数据序列中的每个数据的权重;
在上述公式中,所述wi为所述第三数据序列中的数据的权重,所述s1为所述第一个数,所述cTi为所述第三数据序列中的数据对应的时间点,所述zT1所述为第一数据序列中的中间数据对应的时间点;
根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态。
2.一种获取业务运行状态的方法,其特征在于,所述方法包括:
获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
按时间对所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,从所述第一数据序列中获取第一个数据,根据所述第一个数据,通过下述公式预测第一预测数据;
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mi>d</mi>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,所述y1为所述第一预测数据,所述x1为所述第一数据序列中的第一个数据,所述d为预设的波动值;
根据所述第一数据序列中包括的数据个数、所述第一预测数据、所述第一数据序列中的每个数据和所述每个数据在所述第一数据序列中的位置,预测第二预测数据,所述第二预测数据为所述第一时间点的预测数据;
根据所述第一数据和所述第二预测数据计算所述第一时间点的数据波动率;
根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态。
3.一种获取业务运行状态的方法,其特征在于,所述方法包括:
获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
按时间对所述第一数据、所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,计算所述第一数据序列中的任意相邻两个数据对应时间点之间的时间差值;
根据所述时间差值,确定所述第一数据序列中是否包括所述第一数据的第一同比数据和第一环比数据以及所述第二数据的第二同比数据和第二环比数据,所述第二时间点与所述第一时间点之间的时间差值等于一个周期长度;
如果所述第一数据序列中包括所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,则根据所述第一数据、所述第二数据、所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,计算所述第一时间点的数据波动率;
其中,所述根据所述第一数据、所述第二数据、所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,计算所述第一时间点的数据波动率,包括:
根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
根据所述第一同比数据和所述第二同比数据,计算第一同比数据波动率;
根据所述第一环比数据和所述第二环比数据,计算第一环比数据波动率;
计算所述第一数据的数据波动率与所述第一同比数据波动率之间的第一差值,以及计算所述第一数据的数据波动率与所述第一环比数据波动率之间的第二差值;
将所述第一差值和所述第二差值确定为所述第一时间点的数据波动率;
根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态。
4.如权利要求3所述的方法,其特征在于,所述根据所述时间差值,确定所述第一数据序列中是否包括所述第一数据的第一同比数据和第一环比数据以及所述第二数据的第二同比数据和第二环比数据,包括:
根据所述时间差值,确定第三时间点、第四时间点、第五时间点和第六时间点,所述第三时间点为所述第一数据的第一同比数据对应的时间点,所述第四时间点为所述第一数据的第一环比数据对应的时间点,所述第五时间点为所述第二数据的第二同比数据对应的时间点,所述第六时间点为所述第二数据的第二环比数据对应的时间点;
根据所述第三时间点、所述第四时间点、所述第五时间点和所述第六时间点,判断所述第一数据序列中是否包括所述第一数据的第一同比数据和第一环比数据以及所述第二数据的第二同比数据和第二环比数据。
5.如权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述第一数据序列中不包括所述第一同比数据和/或所述第二同比数据,以及不包括所述第一环比数据和/或所述第二环比数据,则根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
将所述第一数据的数据波动率确定为所述第一时间点的数据波动率。
6.如权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述第一数据序列中包括所述第一同比数据和所述第二同比数据,且不包括所述第一环比数据和/或所述第二环比数据,则根据所述第一同比数据和所述第二同比数据,计算第一同比数据波动率;
根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
计算所述第一数据的数据波动率与所述第一同比数据波动率之间的第一差值;
将所述第一差值确定为所述第一时间点的数据波动率。
7.如权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述第一数据序列中不包括所述第一同比数据和/或所述第二同比数据,且包括所述第一环比数据和所述第二环比数据,则根据所述第一环比数据和所述第二环比数据,计算第一环比数据波动率;
根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
计算所述第一数据的数据波动率与所述第一环比数据波动率之间的第二差值;
将所述第二差值确定为所述第一时间点的数据波动率。
8.一种获取业务运行状态的装置,其特征在于,所述装置包括:
获取模块,用于获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
第一计算模块,用于根据所述第一数据、所述第二数据和所述第一数据集合,计算所述第一时间点的数据波动率;
第二计算模块,用于根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
第一确定模块,用于根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态;
其中,所述第一计算模块包括:
第一计算单元,用于按时间对所述第一数据、所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,计算所述第一数据序列中的每个数据的权重;
获取单元,用于从所述第一数据序列中获取第二数据序列,所述第二数据序列包括N个数据且最后一个数据为所述第一数据,且所述N小于所述第一数据序列的数据个数;
第一预测单元,用于根据所述第二数据序列包括的每个数据和所述每个数据的权重,预测所述第一时间点的预测数据;
第二计算单元,用于根据所述第一数据和所述第一时间点的预测数据计算所述第一时间点的数据波动率;
其中,所述第一计算单元,具体用于:
按时间对所述第一数据和所述第一数据集合中的数据进行排序,得到第一数据序列;
获取所述第一数据序列中间位置的一个中间数据,以及从所述第一数据序列中去除所述中间数据得到第三数据序列;
将第一个数的倒数设置为所述中间数据的权重,所述第一个数为所述第一数据序列包括的数据个数;
根据所述第三数据序列中的每个数据对应的时间点、所述第一个数和所述中间数据对应的时间点,通过公式分别计算所述第三数据序列中的每个数据的权重;
在上述公式中,所述wi为所述第三数据序列中的数据的权重,所述s1为所述第一个数,所述cTi为所述第三数据序列中的数据对应的时间点,所述zT1为所述第一数据序列中的中间数据对应的时间点。
9.一种获取业务运行状态的装置,其特征在于,所述装置包括:
获取模块,用于获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
第一计算模块,用于根据所述第一数据、所述第二数据和所述第一数据集合,计算所述第一时间点的数据波动率;
第二计算模块,用于根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
第一确定模块,用于根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态;
其中,所述第一计算模块包括:
排序单元,用于按时间对所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,从所述第一数据序列中获取第一个数据,根据所述第一个数据,通过下述公式预测第一预测数据;
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mi>d</mi>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,所述y1为所述第一预测数据,所述x1为所述第一数据序列中的第一个数据,所述d为预设的波动值;
第二预测单元,用于根据所述第一数据序列中包括的数据个数、所述第一预测数据、所述第一数据序列中的每个数据和所述每个数据在所述第一数据序列中的位置,预测第二预测数据,所述第二预测数据为所述第一时间点的预测数据;
第三计算单元,用于根据所述第一数据和所述第二预测数据计算所述第一时间点的数据波动率。
10.一种获取业务运行状态的装置,其特征在于,所述装置包括:
获取模块,用于获取第一数据、第二数据和第一数据集合,所述第一数据为业务在第一时间点产生的数据,所述第二数据为所述业务在第二时间点产生的数据,所述第二时间点为所述第一时间点之前的时间点,所述第一数据集合包括所述业务在所述第二时间点之前的多个时间点产生的数据;
第一计算模块,用于根据所述第一数据、所述第二数据和所述第一数据集合,计算所述第一时间点的数据波动率;
第二计算模块,用于根据所述第二数据和所述第一数据集合,计算所述第二时间点的数据波动率;
第一确定模块,用于根据所述第一时间点的数据波动率和所述第二时间点的数据波动率,确定所述业务的运行状态;
其中,所述第一计算模块包括:
第四计算单元,用于按时间对所述第一数据、所述第二数据和所述第一数据集合中的数据进行排序,得到第一数据序列,计算所述第一数据序列中的任意相邻两个数据对应时间点之间的时间差值;
确定单元,用于根据所述时间差值,确定所述第一数据序列中是否包括所述第一数据的第一同比数据和第一环比数据以及所述第二数据的第二同比数据和第二环比数据,所述第二时间点与所述第一时间点之间的时间差值等于一个周期长度;
第五计算单元,用于如果所述第一数据序列中包括所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,则根据所述第一数据、所述第二数据、所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,计算所述第一时间点的数据波动率;
其中,所述第五计算单元,具体用于:
如果所述第一数据序列中包括所述第一同比数据、所述第一环比数据、所述第二同比数据和所述第二环比数据,则根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
根据所述第一同比数据和所述第二同比数据,计算第一同比数据波动率;
根据所述第一环比数据和所述第二环比数据,计算第一环比数据波动率;
计算所述第一数据的数据波动率与所述第一同比数据波动率之间的第一差值,以及计算所述第一数据的数据波动率与所述第一环比数据波动率之间的第二差值;
将所述第一差值和所述第二差值确定为所述第一时间点的数据波动率。
11.如权利要求10所述的装置,其特征在于,
所述确定单元,具体用于:
根据所述时间差值,确定第三时间点、第四时间点、第五时间点和第六时间点,所述第三时间点为所述第一数据的第一同比数据对应的时间点,所述第四时间点为所述第一数据的第一环比数据对应的时间点,所述第五时间点为所述第二数据的第二同比数据对应的时间点,所述第六时间点为所述第二数据的第二环比数据对应的时间点;
根据所述第三时间点、所述第四时间点、所述第五时间点和所述第六时间点,判断所述第一数据序列中是否包括所述第一数据的第一同比数据和第一环比数据以及所述第二数据的第二同比数据和第二环比数据。
12.如权利要求10所述的装置,其特征在于,所述装置还包括:
第三计算模块,用于如果所述第一数据序列中不包括所述第一同比数据和/或所述第二同比数据,以及不包括所述第一环比数据和/或所述第二环比数据,则根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
第二确定模块,用于将所述第一数据的数据波动率确定为所述第一时间点的数据波动率。
13.如权利要求10所述的装置,其特征在于,所述装置还包括:
第四计算模块,用于如果所述第一数据序列中包括所述第一同比数据和所述第二同比数据,且不包括所述第一环比数据和/或所述第二环比数据,则根据所述第一同比数据和所述第二同比数据,计算第一同比数据波动率;
第五计算模块,用于根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
第六计算模块,用于计算所述第一数据的数据波动率与所述第一同比数据波动率之间的第一差值;
第三确定模块,用于将所述第一差值确定为所述第一时间点的数据波动率。
14.如权利要求10所述的装置,其特征在于,所述装置还包括:
第七计算模块,用于如果所述第一数据序列中不包括所述第一同比数据和/或所述第二同比数据,且包括所述第一环比数据和所述第二环比数据,则根据所述第一环比数据和所述第二环比数据,计算第一环比数据波动率;
第八计算模块,用于根据所述第一数据和所述第二数据,计算所述第一数据的数据波动率;
第九计算模块,用于计算所述第一数据的数据波动率与所述第一环比数据波动率之间的第二差值;
第四确定模块,用于将所述第二差值确定为所述第一时间点的数据波动率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035890.XA CN103840970B (zh) | 2014-01-24 | 2014-01-24 | 一种获取业务运行状态的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035890.XA CN103840970B (zh) | 2014-01-24 | 2014-01-24 | 一种获取业务运行状态的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103840970A CN103840970A (zh) | 2014-06-04 |
CN103840970B true CN103840970B (zh) | 2017-09-15 |
Family
ID=50804134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410035890.XA Active CN103840970B (zh) | 2014-01-24 | 2014-01-24 | 一种获取业务运行状态的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103840970B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232132B (zh) * | 2019-06-18 | 2020-11-06 | 北京天泽智云科技有限公司 | 时间序列数据处理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231508A (zh) * | 2008-01-17 | 2008-07-30 | 中电华清微电子工程中心有限公司 | 采用时间序列分析预测-校正集成电路制造工艺控制方法 |
CN101267362A (zh) * | 2008-05-16 | 2008-09-17 | 亿阳信通股份有限公司 | 一种性能指标值正常波动范围的动态确定方法及其装置 |
CN101764893A (zh) * | 2009-10-12 | 2010-06-30 | 南京联创科技集团股份有限公司 | 基于数据中间层的通信话务波动监控方法 |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
CN102156822A (zh) * | 2011-04-28 | 2011-08-17 | 北京市劳动保护科学研究所 | 行人交通数据组合多步预测方法 |
CN102176117A (zh) * | 2011-01-20 | 2011-09-07 | 浙江大学 | 水果高速分选***动态称重信号的智能处理方法 |
-
2014
- 2014-01-24 CN CN201410035890.XA patent/CN103840970B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231508A (zh) * | 2008-01-17 | 2008-07-30 | 中电华清微电子工程中心有限公司 | 采用时间序列分析预测-校正集成电路制造工艺控制方法 |
CN101267362A (zh) * | 2008-05-16 | 2008-09-17 | 亿阳信通股份有限公司 | 一种性能指标值正常波动范围的动态确定方法及其装置 |
CN101764893A (zh) * | 2009-10-12 | 2010-06-30 | 南京联创科技集团股份有限公司 | 基于数据中间层的通信话务波动监控方法 |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
CN102176117A (zh) * | 2011-01-20 | 2011-09-07 | 浙江大学 | 水果高速分选***动态称重信号的智能处理方法 |
CN102156822A (zh) * | 2011-04-28 | 2011-08-17 | 北京市劳动保护科学研究所 | 行人交通数据组合多步预测方法 |
Non-Patent Citations (1)
Title |
---|
基于小波分析的AR-GREY预测模型及其应用;陆克从等;《统计与决策》;20091110;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103840970A (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bienstock | Electrical transmission system cascades and vulnerability: an operations research viewpoint | |
CN107271906B (zh) | 电池包健康度估算方法和装置 | |
CN106645935A (zh) | 用电监测方法及*** | |
JP2019168452A (ja) | 劣化推定装置、コンピュータプログラム及び劣化推定方法 | |
Gliwa et al. | Different approaches to community evolution prediction in blogosphere | |
CN105956921A (zh) | 一种银行***自选方法及装置 | |
CN107423141A (zh) | 信息处理方法及装置 | |
CN108376371A (zh) | 一种基于社交网络的互联网保险营销方法和*** | |
CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的*** | |
CN104144431B (zh) | 一种移动网络状态预测的方法、装置及移动网络 | |
CN104866922B (zh) | 一种用户离网的预测方法及装置 | |
CN107566665A (zh) | 话务异常检测方法及其设备 | |
CN104376083A (zh) | 一种基于关注关系和多用户行为的图推荐方法 | |
CN107819817A (zh) | 基于复合物联网的智能表故障提示方法及物联网*** | |
JP6481501B2 (ja) | 通信端末装置および方法 | |
Ma et al. | Reconstructing complex networks without time series | |
CN107222497A (zh) | 网络流量异常监测方法及电子设备 | |
CN103840970B (zh) | 一种获取业务运行状态的方法及装置 | |
CN106933673A (zh) | 调整组件逻辑线程数量的方法及装置 | |
CN109800085A (zh) | 资源配置的检测方法、装置、存储介质和电子设备 | |
CN109783323A (zh) | 剩余存储容量可用时间的预测方法 | |
CN108023769A (zh) | 物联网群障确定方法及装置 | |
CN110896369B (zh) | 一种确定设备工作时限的方法、装置、设备和介质 | |
CN106997310A (zh) | 负载均衡的装置和方法 | |
CN110490598A (zh) | 异常检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 519000 High-tech Zone, Zhuhai City, Guangdong Province, Unit 1, Fourth Floor C, Building A, Headquarters Base No. 1, Qianwan Third Road, Tangjiawan Town Patentee after: ZHUHAI DUOWAN INFORMATION TECHNOLOGY Ltd. Address before: 519080 Zone B, 1st Floor, Convention Center, No. 1, Software Park Road, Tangjiawan Town, Zhuhai, Guangdong Patentee before: ZHUHAI DUOWAN INFORMATION TECHNOLOGY Ltd. |