CN109598364A - 一种预测方法及装置 - Google Patents

一种预测方法及装置 Download PDF

Info

Publication number
CN109598364A
CN109598364A CN201811145626.6A CN201811145626A CN109598364A CN 109598364 A CN109598364 A CN 109598364A CN 201811145626 A CN201811145626 A CN 201811145626A CN 109598364 A CN109598364 A CN 109598364A
Authority
CN
China
Prior art keywords
event
drop
time
equal
changed
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.)
Granted
Application number
CN201811145626.6A
Other languages
English (en)
Other versions
CN109598364B (zh
Inventor
周扬
于君泽
杨树波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811145626.6A priority Critical patent/CN109598364B/zh
Publication of CN109598364A publication Critical patent/CN109598364A/zh
Application granted granted Critical
Publication of CN109598364B publication Critical patent/CN109598364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种预测方法及装置，其中，所述方法包括：在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。

Description

一种预测方法及装置
技术领域
本申请涉及数据处理技术领域，特别涉及一种预测方法及装置。
背景技术
伴随着***业务的迅猛发展，***越来越庞大，在底层起支撑作用的***平台数量就达数百，这些平台每周的代码、数据库和配置变更等已达数千，任何一个环节的疏忽、错误，都可能导致***风险，给公司带来巨大损失。
在实际使用时，往往由于一次错误的代码变更、配置变更等导致***出现故障。在出现故障之后，需要在最短时间内恢复***的正常运行状态。出现问题后，应急人员在定位问题时还是采用最原始的线上机器查询日志的方式，由于此种方式效率低下，导致***恢复正常的时间较长。
发明内容
有鉴于此，本说明书一个或多个实施例提供了一种预测方法及装置、计算设备和计算机可读存储介质，以解决现有技术中存在的技术缺陷。
本说明书一个或多个实施例公开了一种预测方法，所述方法包括：
在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；
计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；
根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；
确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
本说明书一个或多个实施例公开了一种预测装置，所述装置包括：
第一获取模块，用于在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；
权重系数计算模块，用于计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；
后验概率获取模块，用于根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；
确定模块，用于确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
本说明书一个或多个实施例公开了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如上所述预测方法的步骤。
本说明书一个或多个实施例公开了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如上所述预测方法的步骤。
本说明书提供的预测方法及装置，通过计算各个发生变更的第一事件在第一时间范围内的时间衰减权重系数，根据各个所述第一事件的时间衰减权重系数，以及各个第一事件引起***指标下跌的先验概率，计算并得到引起***指标下跌的后验概率大于概率阈值的第二事件，从而减小应急人员定位问题需要的分析范围，提高应急效率。
附图说明
图1是本说明书一个或多个实施例的计算设备的结构示意图；
图2是本说明书一个或多个实施例的预测方法的流程示意图；
图3是本说明书一个或多个实施例的预测方法的流程示意图；
图4是本说明书一个或多个实施例的预测方法的具体实例图；
图5是本说明书一个或多个实施例的预测装置的模块结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书一个或多个实施例。但是本说明书一个或多个实施例能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书一个或多个实施例内涵的情况下做类似推广，因此本说明书一个或多个实施例不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本说明书中，提供了一种预测方法及装置、计算设备和计算机可读存储介质，在下面的实施例中逐一进行详细说明。
首先，对本说明书一个或多个实施例中涉及的术语进行说明。
事件变更(或变更事件)：代码发布或者配置变更等引起线上***状态发生改变的操作集合，统称为事件变更。
业务关键指标(Key Performance Indicators,KPI)：比如支付成功率、CPU占用率、内存占用率等关键的***指标。
异动：线上***发生了不符合历史规律的变化。注意异动和异常的区别，异常一定是出了问题(是由人工分析确认的)，而异动仅仅是发生了不符合历史规律的变化。异常一定是异动，而异动不一定是异常。例如：新业务上线，是异动但是不是异常。
先验概率(prior probability)：先验概率是指根据以往经验和分析得到的概率，如全概率公式，它往往作为“由因求果”问题中的“因”出现的概率。
后验概率(posterior probability)：后验概率是指在得到“结果”的信息后重新修正的概率，是“由因求果”问题中的“果”。先验概率与后验概率有不可分割的联系，后验概率的计算要以先验概率为基础。
图1是示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库150用于保存数据，网络160用于接收数据库150存储的数据。
计算设备100还包括接入设备140，接入设备140使得计算设备100能够经由一个或多个网络160通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备100的上述以及图1中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图1所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备100可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备100还可以是移动式或静止式的服务器。
其中，处理器120可以执行图2所示方法中的步骤。图2是示出了根据本说明书一个或多个实施例的预测方法的示意性流程图，包括步骤202至步骤208：
202、在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取第一时刻之前的第一时间范围内的发生变更的第一事件。
其中，第一阈值可以根据实际需求来设定，例如设定为5％。那么，当***指标的跌幅大于等于5％的情况下，则认为***发生一次异动。
另外，第一时间范围可以根据需要来设定，例如24小时。以第一时刻为2017年9月12日22点35分00秒为例，那么本步骤中，获取2017年9月11日22点35分00秒～2017年9月12日22点35分00秒的时间范围内的发生变更的事件。
需要注意的是，***指标包括支付成功率、CPU占用率、内存占用率等多个指标。在本步骤中，检测***指标的跌幅大于等于第一阈值，并非专门指的是其中一个***指标，而指的是检测任一***指标。
204、计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数。
本步骤中，发生变更的第一事件在第一时间范围内的时间衰减权重系数，通过以下公式(1)计算：
N(t)＝N0e-λt (1)
其中，N0为初始量，即时间为0的时刻的时间衰减权重系数；
t为时间；λ为系数。
本步骤中，N0为1，λ为2，均为经验值。
206、根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率。
其中，参见图3，获取各个发生变更的第一事件引起所述***指标下跌的先验概率，包括：
302、在检测到***指标的跌幅大于等于第二阈值的情况下，将***指标的跌幅大于等于第二阈值的时刻标记为第二时刻，获取第二时刻之前的第二时间范围内所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件。
其中，第二阈值可以根据实际需求来设定，例如设定为4％。
另外，第一时间范围可以根据需要来设定，例如5分钟。以第一时刻为2017年8月12日22点35分00秒为例，那么本步骤中，获取2017年8月12日22点30分00秒～2017年8月12日22点35分00秒的时间范围内所有跌幅大于等于4％的***指标以及发生变更的第一事件。
需要注意的是，在获取先验概率的过程中，在其中一个***指标的跌幅大于等于第二阈值的情况下，并非仅获取第二时刻之前的第二时间范围内发生变更的第一事件，而是需要获取第二时间范围内的所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件。
304、计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数。
本步骤304中，计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数，具体包括：根据所述第二时间范围内的每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的关联次数，计算得到所述跌幅大于等于第二阈值的***指标与所述发生变更的第一事件的相关系数。
相关系数的算法包括多种，本实施例以皮尔逊卡方检验来计算相关系数。
具体地，其中一个所述跌幅大于等于第二阈值的***指标与其中一个所述发生变更的第一事件之间的相关系数，通过以下公式(2)计算：
X2＝[N(O11O22-O12O21)2]/[(O11+O12)(O11+O21)(O12+O22)(O21+O22)] (2)
其中，
N表示第二时间范围内的所有发生变更的第一事件与所有跌幅大于等于第二阈值的***指标的关联次数总和；
O11表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O12表示所述第二时间范围内的其他发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O21表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的其他***指标的关联次数；
O22表示所述第二时间范围内的所述其他发生变更的第一事件与跌幅大于等于第二阈值的所述其他***指标的关联次数。
通过公式(1)，可以确定任意一个跌幅大于等于第二阈值的***指标与任意一个发生变更的第一事件之间的相关系数。
306、根据所述相关系数确定各个发生变更的第一事件引起所述***指标下跌的先验概率。
本步骤中，根据所述相关系数确定先验概率可以通过查表获得。例如通过上述公式(2)获得一个***指标与一个发生变更的第一事件之间的皮尔逊相关系数为3.841，经过查表获得3.841对应的置信水平为0.05，那么该发生变更的第一事件引起***指标下跌的先验概率为5％。
208、确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
其中，概率阈值可以根据需求设置，例如设置概率阈值为10％。
所述发生变更的第一事件引起所述***指标下跌的后验概率，通过以下公式(3)计算：
P＝N(t)*Q (3)
其中，N(t)为所述发生变更的第一事件的时间衰减权重系数；
P为所述发生变更的第一事件引起所述***指标下跌的后验概率；
Q为所述发生变更的第一事件引起所述***指标下跌的先验概率。
另外，在确定后验概率大于等于概率阈值的所述第二事件后，可以按照后验概率从大到小的顺序输出，以便于用户查看，并进行后续处理。
本说明书提供的预测方法，通过计算各个发生变更的第一事件在第一时间范围内的时间衰减权重系数，根据各个所述第一事件的时间衰减权重系数，以及各个第一事件引起***指标下跌的先验概率，计算并得到引起***指标下跌的后验概率大于概率阈值的第二事件，从而减小应急人员定位问题需要的分析范围，提高应急效率。
为了便于理解，下面以一具体实例进行说明。参见图4，本说明书一个或多个实施例中的预测方法包括：
402、在检测到***指标的跌幅大于等于第二阈值的情况下，将***指标的跌幅大于等于第二阈值的时刻标记为第二时刻，获取所述第二时刻之前的第二时间范围t2内所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件。
本例中，第二时间范围t2内发生变更的第一事件包括第一事件A和第一事件B。
本例中，跌幅大于等于第二阈值的***指标包括KPI1～KPI3。
404、计算每个所述跌幅大于等于第二阈值的***指标KPI1～KPI3与每个所述发生变更的第一事件A～B之间的相关系数。
具体地，通过上述公式(2)可以计算得到***指标与发生变更的第一事件之间的相关系数。
406、根据所述相关系数确定各个发生变更的第一事件A～B引起所述***指标KPI1～KPI3下跌的先验概率。
第一事件A引起***指标KPI1下跌的先验概率为80％，第一事件B引起***指标KPI1下跌的先验概率为20％；
第一事件A引起***指标KPI2下跌的先验概率为30％，第一事件B引起***指标KPI2下跌的先验概率为70％；
第一事件A引起***指标KPI3下跌的先验概率为50％，第一事件B引起***指标KPI3下跌的先验概率为50％。
上述步骤402～406为各个发生变更的第一事件引起***指标下跌的先验概率的步骤。在得到先验概率后，可以将先验概率预存于本地***的存储空间，并在下述步骤中计算后验概率的时候被调用。
408、在检测到***指标KPI1的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件A。
410、计算得到第一事件A引起所述***指标KPI1下跌的后验概率。
具体地，通过上述公式(1)计算第一事件A在所述第一时间范围内的时间衰减权重系数，然后根据第一事件A的时间衰减权重系数，以及第一事件A引起所述***指标KPI1下跌的先验概率，通过上述公式(3)计算得到第一事件A引起所述***指标KPI1下跌的后验概率。
本例中，得到第一事件A引起所述***指标KPI1下跌的后验概率为100％。将第一事件A作为引起***指标下跌的第二事件。
通过本说明书一个或多个实施例的预测方法，在出现问题的时候，可以预测某个***指标下跌是由于哪类事件变更引起的，从而减小应急人员定位问题需要的分析范围，提高应急效率。
本说明书一个或多个实施例还公开了一种预测装置，参见图5，所述装置包括：
第一获取模块502，用于在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；
权重系数计算模块504，用于计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；
后验概率获取模块506，用于根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；
确定模块508，用于确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
可选地，本说明书一个或多个实施例公开的预测装置还包括：
第二获取模块510，用于在检测到***指标的跌幅大于等于第二阈值的情况下，将***指标的跌幅大于等于第二阈值的时刻标记为第二时刻，获取所述第二时刻之前的第二时间范围内所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件；
相关系数计算模块512，用于计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数；
先验概率获取模块514，用于根据所述相关系数确定各个发生变更的第一事件引起所述***指标下跌的先验概率。
可选地，所述相关系数计算模块512根据所述第二时间范围内的每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的关联次数，计算得到所述跌幅大于等于第二阈值的***指标与所述发生变更的第一事件的相关系数。
具体地，所述相关系数计算模块512计算得到其中一个所述跌幅大于等于第二阈值的***指标与其中一个所述发生变更的第一事件之间的相关系数，通过上述公式(2)进行计算。
可选地，所述权重系数计算模块504计算上述发生变更的第一事件在所述第一时间范围内的时间衰减权重系数，通过上述公式(1)进行计算。
可选地，所述后验概率获取模块506获取所述发生变更的第一事件引起所述***指标下跌的后验概率，通过上述公式(3)进行计算。
本说明书提供的预测装置，通过计算各个发生变更的第一事件在第一时间范围内的时间衰减权重系数，根据各个所述第一事件的时间衰减权重系数，以及各个第一事件引起***指标下跌的先验概率，计算并得到引起***指标下跌的后验概率大于概率阈值的第一事件，从而减小应急人员定位问题需要的分析范围，提高应急效率。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述预测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的预测方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述预测方法的技术方案的描述。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。

Claims (14)

1.一种预测方法，其特征在于，所述方法包括：
在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；
计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；
根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；
确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
2.如权利要求1所述的预测方法，其特征在于，所述各个发生变更的第一事件引起所述***指标下跌的先验概率通过以下方法获取：
在检测到***指标的跌幅大于等于第二阈值的情况下，将***指标的跌幅大于等于第二阈值的时刻标记为第二时刻，获取所述第二时刻之前的第二时间范围内所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件；
计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数；
根据所述相关系数确定各个发生变更的第一事件引起所述***指标下跌的先验概率。
3.如权利要求2所述的预测方法，其特征在于，计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数，包括：
根据所述第二时间范围内的每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的关联次数，计算得到所述跌幅大于等于第二阈值的***指标与所述发生变更的第一事件的相关系数。
4.如权利要求3所述的预测方法，其特征在于，其中一个所述跌幅大于等于第二阈值的***指标与其中一个所述发生变更的第一事件之间的相关系数，通过以下公式计算：
X2＝[N(O11O22-O12O21)2]/[(O11+O12)(O11+O21)(O12+O22)(O21+O22)]
其中，
N表示第二时间范围内的所有发生变更的第一事件与所有跌幅大于等于第二阈值的***指标的关联次数总和；
O11表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O12表示所述第二时间范围内的其他发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O21表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的其他***指标的关联次数；
O22表示所述第二时间范围内的所述其他发生变更的第一事件与跌幅大于等于第二阈值的所述其他***指标的关联次数。
5.如权利要求1所述的预测方法，其特征在于，所述发生变更的第一事件在所述第一时间范围内的时间衰减权重系数，通过以下公式计算：
N(t)＝N0e-λt
其中，N0为初始量，即时间为0的时刻的时间衰减权重系数；
t为时间；
λ为系数。
6.如权利要求5所述的预测方法，其特征在于，所述发生变更的第一事件引起所述***指标下跌的后验概率，通过以下公式计算：
P＝N(t)*Q
其中，N(t)为所述发生变更的第一事件的时间衰减权重系数；
P为所述发生变更的第一事件引起所述***指标下跌的后验概率；
Q为所述发生变更的第一事件引起所述***指标下跌的先验概率。
7.一种预测装置，其特征在于，其特征在于，所述装置包括：
第一获取模块，用于在检测到***指标的跌幅大于等于第一阈值的情况下，将***指标的跌幅大于等于第一阈值的时刻标记为第一时刻，获取所述第一时刻之前的第一时间范围内的发生变更的第一事件；
权重系数计算模块，用于计算各个发生变更的第一事件在所述第一时间范围内的时间衰减权重系数；
后验概率获取模块，用于根据各个所述发生变更的第一事件的时间衰减权重系数，以及各个发生变更的第一事件引起所述***指标下跌的先验概率，计算得到各个发生变更的第一事件引起所述***指标下跌的后验概率；
确定模块，用于确定第一事件中后验概率大于等于概率阈值的第二事件，将所述第二事件作为引起所述***指标下跌的主要事件。
8.如权利要求7所述的预测装置，其特征在于，还包括：
第二获取模块，用于在检测到***指标的跌幅大于等于第二阈值的情况下，将***指标的跌幅大于等于第二阈值的时刻标记为第二时刻，获取所述第二时刻之前的第二时间范围内所有跌幅大于等于第二阈值的***指标以及发生变更的第一事件；
相关系数计算模块，用于计算每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的相关系数；
先验概率获取模块，用于根据所述相关系数确定各个发生变更的第一事件引起所述***指标下跌的先验概率。
9.如权利要求8所述的预测装置，其特征在于，
所述相关系数计算模块根据所述第二时间范围内的每个所述跌幅大于等于第二阈值的***指标与每个所述发生变更的第一事件之间的关联次数，计算得到所述跌幅大于等于第二阈值的***指标与所述发生变更的第一事件的相关系数。
10.如权利要求9所述的预测装置，其特征在于，
所述相关系数计算模块计算得到其中一个所述跌幅大于等于第二阈值的***指标与其中一个所述发生变更的第一事件之间的相关系数，通过以下公式实现：
X2＝[N(O11O22-O12O21)2]/[(O11+O12)(O11+O21)(O12+O22)(O21+O22)]
其中，N表示第二时间范围内的所有发生变更的第一事件与所有跌幅大于等于第二阈值的***指标的关联次数总和；
O11表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O12表示所述第二时间范围内的其他发生变更的第一事件与跌幅大于等于第二阈值的所述其中一个***指标的关联次数；
O21表示所述第二时间范围内的所述其中一个发生变更的第一事件与跌幅大于等于第二阈值的其他***指标的关联次数；
O22表示所述第二时间范围内的所述其他发生变更的第一事件与跌幅大于等于第二阈值的所述其他***指标的关联次数。
11.如权利要求7所述的预测装置，其特征在于，所述权重系数计算模块计算所述发生变更的第一事件在所述第一时间范围内的时间衰减权重系数，通过以下公式计算：
N(t)＝N0e-λt
其中，N0为初始量，即时间为0的时刻的时间衰减权重系数；
t为时间；
λ为系数。
12.如权利要求11所述的预测装置，其特征在于，所述后验概率获取模块获取所述发生变更的第一事件引起所述***指标下跌的后验概率，通过以下公式计算：
P＝N(t)*Q
其中，N(t)为所述发生变更的第一事件的时间衰减权重系数；
P为所述发生变更的第一事件引起所述***指标下跌的后验概率；
Q为所述发生变更的第一事件引起所述***指标下跌的先验概率。
13.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述指令时实现权利要求1-6任意一项所述方法的步骤。
14.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-6任意一项所述方法的步骤。
CN201811145626.6A 2018-09-29 2018-09-29 一种预测方法及装置 Active CN109598364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811145626.6A CN109598364B (zh) 2018-09-29 2018-09-29 一种预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811145626.6A CN109598364B (zh) 2018-09-29 2018-09-29 一种预测方法及装置

Publications (2)

Publication Number Publication Date
CN109598364A true CN109598364A (zh) 2019-04-09
CN109598364B CN109598364B (zh) 2022-10-28

Family

ID=65957416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811145626.6A Active CN109598364B (zh) 2018-09-29 2018-09-29 一种预测方法及装置

Country Status (1)

Country Link
CN (1) CN109598364B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004033673A (ja) * 2002-06-21 2004-02-05 Trustees Of The Univ Of Pennsylvania 脳内発作発現を予測し検出する統合確率フレームワークおよび多重治療デバイス
US20080301499A1 (en) * 2007-05-31 2008-12-04 Solar Turbines Incorporated Method and system for determining a corrective action
CA2607149A1 (en) * 2007-10-19 2009-04-19 Duke University Predicting responsiveness to cancer therapeutics
EP2239676A1 (de) * 2009-04-09 2010-10-13 Biotronik CRM Patent AG Verfahren und Anordnung zur Vorhersage mindestens eines Systemereignisses sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium
CN101916335A (zh) * 2010-08-19 2010-12-15 河北农业大学 城市需水量时间序列-指数平滑模型预测方法
US20140310071A1 (en) * 2013-03-13 2014-10-16 Betazi, Llc Physically-based financial analysis and/or forecasting methods, apparatus, and systems
CN104134010A (zh) * 2014-08-12 2014-11-05 哈尔滨工业大学 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法
CN105930670A (zh) * 2016-04-29 2016-09-07 浙江大学 基于模型参数不确定性的河流突发污染事故动态预测方法
CN106354300A (zh) * 2016-08-17 2017-01-25 深圳市金立通信设备有限公司 一种防误操作的方法及终端
US20170255875A1 (en) * 2016-03-03 2017-09-07 Pearson Education, Inc. Validation termination system and methods
CN107644147A (zh) * 2016-07-20 2018-01-30 百度（美国）有限责任公司 从多个结果确定充分原因的***和方法
US20180096439A1 (en) * 2016-08-31 2018-04-05 Green Running Limited Utility consumption signal processing system and a method of processing a utility consumption signal
CN108307065A (zh) * 2018-01-25 2018-07-20 广东欧珀移动通信有限公司 跌落提示方法及相关设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004033673A (ja) * 2002-06-21 2004-02-05 Trustees Of The Univ Of Pennsylvania 脳内発作発現を予測し検出する統合確率フレームワークおよび多重治療デバイス
US20080301499A1 (en) * 2007-05-31 2008-12-04 Solar Turbines Incorporated Method and system for determining a corrective action
CA2607149A1 (en) * 2007-10-19 2009-04-19 Duke University Predicting responsiveness to cancer therapeutics
EP2239676A1 (de) * 2009-04-09 2010-10-13 Biotronik CRM Patent AG Verfahren und Anordnung zur Vorhersage mindestens eines Systemereignisses sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium
CN101916335A (zh) * 2010-08-19 2010-12-15 河北农业大学 城市需水量时间序列-指数平滑模型预测方法
US20140310071A1 (en) * 2013-03-13 2014-10-16 Betazi, Llc Physically-based financial analysis and/or forecasting methods, apparatus, and systems
CN104134010A (zh) * 2014-08-12 2014-11-05 哈尔滨工业大学 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法
US20170255875A1 (en) * 2016-03-03 2017-09-07 Pearson Education, Inc. Validation termination system and methods
CN105930670A (zh) * 2016-04-29 2016-09-07 浙江大学 基于模型参数不确定性的河流突发污染事故动态预测方法
CN107644147A (zh) * 2016-07-20 2018-01-30 百度（美国）有限责任公司 从多个结果确定充分原因的***和方法
CN106354300A (zh) * 2016-08-17 2017-01-25 深圳市金立通信设备有限公司 一种防误操作的方法及终端
US20180096439A1 (en) * 2016-08-31 2018-04-05 Green Running Limited Utility consumption signal processing system and a method of processing a utility consumption signal
CN108307065A (zh) * 2018-01-25 2018-07-20 广东欧珀移动通信有限公司 跌落提示方法及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王好一 等: "基于前导事件和贝叶斯网络的储罐溢油动态风险评价", 《安全与环境学报》 *

Also Published As

Publication number Publication date
CN109598364B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN110188198B (zh) 一种基于知识图谱的反欺诈方法及装置
US10248528B2 (en) System monitoring method and apparatus
CA3059744C (en) Strategy searching in strategic interaction between parties
CN107908631A (zh) 数据处理方法、装置、存储介质和计算机设备
CN110147387A (zh) 一种根因分析方法、装置、设备及存储介质
CN112835769A (zh) 一种业务数据异常诊断方法、装置、设备及存储介质
US11567756B2 (en) Causality determination of upgrade regressions via comparisons of telemetry data
CN110362999A (zh) 用于检测账户使用异常的方法及装置
CN109255000A (zh) 一种标签数据的维度管理方法及装置
CN109543891A (zh) 容量预测模型的建立方法、设备及计算机可读存储介质
CN111259922A (zh) 基于客户退单预警的订单数据处理方法、装置
CN113850669A (zh) 用户分群方法、装置、计算机设备及计算机可读存储介质
CN116756522B (zh) 概率预报方法、装置、存储介质及电子设备
CN113835947B (zh) 一种基于异常识别结果确定异常原因的方法和***
CN115879826B (zh) 一种基于大数据的精细化工工艺质检方法、***及介质
CN109598364A (zh) 一种预测方法及装置
CN104281599A (zh) 用于向社交网络中的用户推荐信息的方法和装置
CN110443441A (zh) 规则效能监测方法、装置、计算机设备及存储介质
US8010942B1 (en) Resilient application design and displaying design profile via graphical user interface
AU2022204443A1 (en) Real-time error prevention during invoice creation
CN110769454A (zh) 流量预测方法及装置
CN115345663A (zh) 营销策略评估方法、装置、电子设备及存储介质
CN114781937A (zh) 一种预付卡企业风险预警方法和装置以及存储介质
Nazareth et al. Capacity management for cloud computing: A system dynamics approach
CN113743532B (zh) 异常检测方法、装置、设备及计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant