本發(fā)明涉及計算機技術(shù)領(lǐng)域，特別是涉及一種異常數(shù)據(jù)的報警方法和裝置。

背景技術(shù)：

隨著企業(yè)的發(fā)展，企業(yè)推出的產(chǎn)品越來越多，與產(chǎn)品相關(guān)的運營數(shù)據(jù)也越來越龐雜。企業(yè)的運營人員通過需要花費大量的時間來監(jiān)測運營數(shù)據(jù)是否出現(xiàn)異常。例如，監(jiān)測當(dāng)天的運營數(shù)據(jù)是否突然有較大幅度的增加或減少，以及與歷史數(shù)據(jù)的發(fā)展趨勢有較大幅度的偏離等。傳統(tǒng)的方式，運營人員是基于運營數(shù)據(jù)圖形化的趨勢圖通過肉眼來判斷是否出現(xiàn)異常數(shù)據(jù)。這種方式耗費大量的操作時間，工作效率較低。

技術(shù)實現(xiàn)要素：

基于此，有必要針對上述技術(shù)問題，提供一種能夠有效節(jié)省操作時間提高工作效率的異常數(shù)據(jù)的報警方法和裝置。

一種異常數(shù)據(jù)的報警方法，包括：

獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)；

建立所述歷史運營數(shù)據(jù)對應(yīng)的趨勢模型；

計算所述歷史運營數(shù)據(jù)對應(yīng)的周期性因子；

利用所述趨勢模型和所述周期性因子計算所述當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值；

利用所述趨勢模型和周期性因子計算所述當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)所述預(yù)測值與所述當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率；

當(dāng)所述預(yù)測比率大于所述報警閾值時，對所述異常數(shù)據(jù)生成報警信息。

在其中一個實施例中，所述預(yù)設(shè)時間段包括多個時間周期；所述建立所述歷史運營數(shù)據(jù)對應(yīng)的趨勢模型的步驟包括：

計算時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值；

擬合所述周期均值對應(yīng)的趨勢模型。

在其中一個實施例中，所述時間周期包括多個子周期；所述計算所述歷史運營數(shù)據(jù)對應(yīng)的周期性因子的步驟包括：

獲取子周期內(nèi)的歷史運營數(shù)據(jù)；

利用所述子周期內(nèi)的歷史運營數(shù)據(jù)與所述周期均值計算對應(yīng)的子周期因子；

利用所述子周期因子分別計算每個子周期對應(yīng)的周期性因子。

在其中一個實施例中，所述利用所述趨勢模型和所述周期性因子計算所述當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值的步驟包括：

利用所述趨勢模型推算所述預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值；

利用推算出的周期均值的擬合值與所述周期性因子得到歷史運營數(shù)據(jù)擬合值；

根據(jù)所述歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)計算擬合比率；

根據(jù)所述擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

在其中一個實施例中，所述利用所述趨勢模型和周期性因子計算所述當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)所述預(yù)測值與所述當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率的步驟包括：

利用所述趨勢模型推算當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)的周期預(yù)測均值；

利用所述周期預(yù)測均值與所述周期性因子得到對應(yīng)的周期預(yù)測值；

根據(jù)所述周期預(yù)測值與所述當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

一種異常數(shù)據(jù)的報警裝置，包括：

獲取模塊，用于獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)；

建模模塊，用于建立所述歷史運營數(shù)據(jù)對應(yīng)的趨勢模型；計算所述歷史運營數(shù)據(jù)對應(yīng)的周期性因子；

計算模塊，用于利用所述趨勢模型和所述周期性因子計算所述當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值；利用所述趨勢模型和周期性因子計算所述當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)所述預(yù)測值與所述當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率；

報警模塊，用于當(dāng)所述預(yù)測比率大于所述報警閾值時，對所述異常數(shù)據(jù)生成報警信息。

在其中一個實施例中，所述預(yù)設(shè)時間段包括多個時間周期；所述計算模塊還用于計算時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值；所述建模模塊還用于擬合所述周期均值對應(yīng)的趨勢模型。

在其中一個實施例中，所述時間周期包括多個子周期；所述獲取模塊還用于獲取子周期內(nèi)的歷史運營數(shù)據(jù)；所述計算模塊還用于利用所述子周期內(nèi)的歷史運營數(shù)據(jù)與所述周期均值計算對應(yīng)的子周期因子；利用所述子周期因子分別計算每個子周期對應(yīng)的周期性因子。

在其中一個實施例中，所述計算模塊還用于利用所述趨勢模型推算所述預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值；利用推算出的周期均值的擬合值與所述周期性因子得到歷史運營數(shù)據(jù)擬合值；根據(jù)所述歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)計算擬合比率；根據(jù)所述擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

在其中一個實施例中，所述計算模塊還用于利用所述趨勢模型推算當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)的周期預(yù)測均值；利用所述周期預(yù)測均值與所述周期性因子得到對應(yīng)的周期預(yù)測值；根據(jù)所述周期預(yù)測值與所述當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

上述異常數(shù)據(jù)的報警方法和裝置，通過利用預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)建立對應(yīng)的趨勢模型以及計算歷史運營數(shù)據(jù)對應(yīng)的周期性因子，從而能夠利用趨勢模型和周期性因子計算出當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)的預(yù)測值，并根據(jù)預(yù)測值與當(dāng)前運營數(shù)據(jù)計算出對應(yīng)的預(yù)測比率。將報警閾值與預(yù)測比率進(jìn)行比對，如果預(yù)測比率大于報警閾值，則對異常數(shù)據(jù)生成報警信息。在整個過程中無需人工通過肉眼來判斷當(dāng)前運營數(shù)據(jù)中是否存在異常數(shù)據(jù)，因此在對異常數(shù)據(jù)進(jìn)行預(yù)警時能夠有效節(jié)省操作時間，提高工作效率。

附圖說明

圖1為一個實施例中異常數(shù)據(jù)的報警方法流程圖；

圖2為一個實施例中處理異常數(shù)據(jù)的報警方法的服務(wù)器的示意圖；

圖3為一個實施例中異常數(shù)據(jù)的報警裝置的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

在一個實施例中，如圖1所示，提供了一種異常數(shù)據(jù)的報警方法，以該方法應(yīng)用于服務(wù)器為例進(jìn)行說明，具體包括：

步驟102，獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)。

運營數(shù)據(jù)是指企業(yè)在產(chǎn)品運營過程中產(chǎn)生的相關(guān)數(shù)據(jù)。以軟件產(chǎn)品為例，運營數(shù)據(jù)包括用戶、充值金額以及訪問量等。預(yù)設(shè)時間段可以是過去一個月、過去一個季度以及過去一年等多種情形。預(yù)設(shè)時間段可以整月、整季度，也可以是跨月、跨季度等，例如，從過去1月的某一天到過去4月的某一天等。運營數(shù)據(jù)存儲在數(shù)據(jù)庫中，服務(wù)器從數(shù)據(jù)庫中獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)以及當(dāng)前運營數(shù)據(jù)。數(shù)據(jù)庫可以是部署在服務(wù)器上，也可以部署在獨立于服務(wù)器之外的其他存儲設(shè)備上。

步驟104，建立歷史運營數(shù)據(jù)對應(yīng)的趨勢模型。

預(yù)設(shè)時間段包括多個時間周期。例如，如果預(yù)設(shè)時間段為過去一年，則時間周期為一個月；如果預(yù)設(shè)時間段為過去一個季度，則時間周期為一周。服務(wù)器計算每個時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值，并通過線性回歸的方式擬合出周期均值對應(yīng)的趨勢模型。趨勢模型能夠反映歷史運營數(shù)據(jù)發(fā)展趨勢的特點。

步驟106，計算歷史運營數(shù)據(jù)對應(yīng)的周期性因子。

時間周期包括多個子周期。例如，如果時間周期為一個月，則子周期為一周；如果時間周期為一周，則子周期為一天。服務(wù)器獲取子周期內(nèi)的歷史運營數(shù)據(jù)，并利用子周期內(nèi)的歷史運營數(shù)據(jù)與周期均值計算對應(yīng)的子周期因子。服務(wù)器利用子周期因子分別計算每個子周期對應(yīng)的周期性因子。周期性因子(也叫做周期模型)能夠反映歷史運營數(shù)據(jù)周期性變化的特點。

步驟108，利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

服務(wù)器利用趨勢模型來推算預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值，并利用推算出的周期均值的擬合值與周期性因子得到歷史運營數(shù)據(jù)擬合值。服務(wù)器根據(jù)歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)計算擬合比率，根據(jù)擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

步驟110，利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

服務(wù)器利用趨勢模型來推算當(dāng)前運營數(shù)據(jù)在預(yù)測周期(即當(dāng)前周期)內(nèi)的周期預(yù)測均值，并利用周期預(yù)測均值與周期性因子得到對應(yīng)的周期預(yù)測值。服務(wù)器根據(jù)周期預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

步驟112，當(dāng)預(yù)測比率大于報警閾值時，對異常數(shù)據(jù)生成報警信息。

服務(wù)器將報警閾值、預(yù)測比率等計算結(jié)果插入到數(shù)據(jù)庫中?？紤]到每天的運營數(shù)據(jù)可能會不同，為了進(jìn)一步提高對異常數(shù)據(jù)進(jìn)行報警的準(zhǔn)確性，可以將報警閾值和預(yù)測比率等隨著運營數(shù)據(jù)的變化進(jìn)行更新。通過數(shù)據(jù)庫對外開放的數(shù)據(jù)接口，服務(wù)器可以定時去數(shù)據(jù)庫拉取報警閾值和預(yù)測比率。當(dāng)預(yù)測比率小于或等于報警閾值時，表示當(dāng)前運營數(shù)據(jù)正常，無需報警。當(dāng)預(yù)測比率大于報警閾值時，表示當(dāng)前運營數(shù)據(jù)中存在異常數(shù)據(jù)，需要報警。

服務(wù)器會根據(jù)異常數(shù)據(jù)生成相應(yīng)的報警信息。報警信息包括多種，例如，報警郵件、報警短信和報警頁面提示等。具體的，服務(wù)器可以向預(yù)先設(shè)置的郵箱發(fā)送異常數(shù)據(jù)對應(yīng)的報警信息。服務(wù)器可以向預(yù)先設(shè)置的號碼發(fā)送異常數(shù)據(jù)對應(yīng)的報警短信。服務(wù)器還可以向后臺操作界面推送報警頁面提示等。

本實施例中，通過利用預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)建立對應(yīng)的趨勢模型以及計算歷史運營數(shù)據(jù)對應(yīng)的周期性因子，從而能夠利用趨勢模型和周期性因子計算出當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)的預(yù)測值，并根據(jù)預(yù)測值與當(dāng)前運營數(shù)據(jù)計算出對應(yīng)的預(yù)測比率。將報警閾值與預(yù)測比率進(jìn)行比對，如果預(yù)測比率大于報警閾值，則對異常數(shù)據(jù)生成報警信息。在整個過程中無需人工通過肉眼來判斷當(dāng)前運營數(shù)據(jù)中是否存在異常數(shù)據(jù)，因此在對異常數(shù)據(jù)進(jìn)行預(yù)警時能夠有效節(jié)省操作時間，提高工作效率。

服務(wù)器還可以根據(jù)運營數(shù)據(jù)的內(nèi)容對運營數(shù)據(jù)進(jìn)行分類，得到多個類型的運營數(shù)據(jù)。例如，運營數(shù)據(jù)的類型包括：用戶、充值金額等。進(jìn)一步的，還可以對每個類型的運行數(shù)據(jù)分為子類。例如，用戶包括新注冊用戶、活躍用戶和充值用戶等。服務(wù)器對每個類型的歷史運營數(shù)據(jù)分別計算每個時間周期內(nèi)的周期均值，并利用每個類型對應(yīng)的周期均值和回歸方程擬合出每個類型的歷史運營數(shù)據(jù)在時間周期內(nèi)的趨勢模型。服務(wù)器對每個子周期內(nèi)每個類型的歷史運營數(shù)據(jù)分別計算對應(yīng)的周期性因子。服務(wù)器利用每個類型的歷史運營數(shù)據(jù)對應(yīng)的趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值，并利用每個類型的歷史運營數(shù)據(jù)對應(yīng)的趨勢模型計算當(dāng)前運營數(shù)據(jù)對應(yīng)的預(yù)測比率。將每個類型的報警閾值與對應(yīng)的預(yù)測比率進(jìn)行比較。當(dāng)預(yù)測比率大于報警閾值時，服務(wù)器對這一類型的異常數(shù)據(jù)生成報警信息。

例如，服務(wù)器對“用戶”這一類型的運營數(shù)據(jù)擬合出在預(yù)設(shè)時間段的時間周期內(nèi)的趨勢模型，并分別計算出對應(yīng)的周期性因子。服務(wù)器再利用“用戶”的歷史運營數(shù)據(jù)的趨勢模型和周期因子計算得到“用戶”當(dāng)前運營數(shù)據(jù)對應(yīng)的異常數(shù)據(jù)的報警閾值，以及利用“用戶”的歷史運營數(shù)據(jù)的趨勢模型計算得到“用戶”當(dāng)前運營數(shù)據(jù)對應(yīng)的預(yù)測比率。如果“用戶”對應(yīng)的預(yù)測比率大于“用戶”對應(yīng)的報警閾值，則表示這一預(yù)測值出現(xiàn)異常，生成“用戶”這一類型的當(dāng)前運營數(shù)據(jù)中存在異常數(shù)據(jù)的報警信息。

進(jìn)一步的，如果想得知每個子類的當(dāng)前運營數(shù)據(jù)中是否存在異常數(shù)據(jù)。服務(wù)器可以采用上述方式進(jìn)一步對每個子類的當(dāng)前運營數(shù)據(jù)進(jìn)行預(yù)警，如果檢測到有異常數(shù)據(jù)，則生成相應(yīng)的報警信息。由此能夠進(jìn)一步提高對異常數(shù)據(jù)預(yù)警的準(zhǔn)確性。

在一個實施例中，如圖2所示，提供了一種服務(wù)器，包括通過系統(tǒng)總線連接的處理器、內(nèi)存儲器、非易失性存儲介質(zhì)和網(wǎng)絡(luò)接口。其中，該服務(wù)器的非易失性存儲介質(zhì)中存儲有操作系統(tǒng)和一種異常數(shù)據(jù)的報警裝置，該異常數(shù)據(jù)的報警裝置用于實現(xiàn)一種異常數(shù)據(jù)的報警方法。該服務(wù)器的處理器用于提供計算和控制能力，被配置為執(zhí)行一種異常數(shù)據(jù)的報警方法。該服務(wù)器可以是單獨的服務(wù)器，也可以是集群服務(wù)器。

在一個實施例中，預(yù)設(shè)時間段包括多個時間周期；建立運營數(shù)據(jù)對應(yīng)的趨勢模型的步驟包括：計算時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值；擬合周期均值對應(yīng)的趨勢模型。

本實施例中，預(yù)設(shè)時間段包括多個時間周期。例如，如果預(yù)設(shè)時間段為一年，則時間周期為一個月；如果預(yù)設(shè)時間段為一個季度，則時間周期為一周。服務(wù)器計算時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值。具體的，服務(wù)器對時間周期內(nèi)每天的歷史運營數(shù)據(jù)求和之后再除以時間周期對應(yīng)的總天數(shù)得到歷史運營數(shù)據(jù)的周期均值。例如，時間周期為一周，一周內(nèi)有七天。每周的周期均值就是該周七天歷史運營數(shù)據(jù)的平均值。假設(shè)周一的歷史運營數(shù)據(jù)為V₁，周二的歷史運營數(shù)據(jù)為V₂，以此類推，周日的歷史運營數(shù)據(jù)為V₇，則，周期均值＝(V₁+V₂+V₃+V₄+V₅+V₆+V₇)/7。

服務(wù)器通過線性回歸的方式擬合出周期均值對應(yīng)的趨勢模型。具體的，可以采用線性回歸方程來擬合出周期均值對應(yīng)的趨勢模型。線性回歸方程可以采用的方程形式，其中表示周期均值的擬合值，t表示時間周期，a與b均表示參數(shù)。

假設(shè)預(yù)設(shè)時間段為過去3個月，則獲取過去3個月的歷史運營數(shù)據(jù)(假設(shè)這3個月有15周)，表示運營數(shù)據(jù)周期均值的擬合值，t＝(t₁,t₂,t₃,…,t₁₄,t₁₅)，其中t₁＝1，表示第1周，t₂＝2，表示第2周，以此類推。將過去3個月內(nèi)實際的運營數(shù)據(jù)的周期均值定義為y，則y＝(y₁,y₂,y₃,…,y_14,y₁₅)，其中y₁表示第1周的均值，y₂表示第2周的均值，以此類推。通過最小二乘法得到參數(shù)a和b的值，繼而得到周期均值對應(yīng)的趨勢模型，即由此使得最小，即與y的誤差最小。利用趨勢模型使得周期均值的擬合值與周期均值的誤差最小，進(jìn)而能夠利用趨勢模型來計算當(dāng)前運營數(shù)據(jù)的預(yù)測值。

進(jìn)一步的，服務(wù)器還可以根據(jù)歷史運營數(shù)據(jù)的類型分別計算時間周期內(nèi)每個類型的歷史運營數(shù)據(jù)的周期均值，并利用周期均值和回歸方程擬合出每個類型的歷史運營數(shù)據(jù)在時間周期內(nèi)的趨勢模型。例如，服務(wù)器分別對“用戶”“充值金額”等運營數(shù)據(jù)進(jìn)行計算，得到“用戶”周期均值和“充值金額”周期均值。利用“用戶”周期均值和回歸方程擬合出“用戶”在時間周期內(nèi)的趨勢模型。利用“充值金額”周期均值和回歸方程擬合出“充值金額”在時間周期內(nèi)的趨勢模型。通過對每個類型的歷史營運數(shù)據(jù)分別建立對應(yīng)的趨勢模型，由此能夠進(jìn)一步提高對異常數(shù)據(jù)預(yù)警的準(zhǔn)確性。

在一個實施例中，時間周期包括多個子周期；計算運營數(shù)據(jù)對應(yīng)的周期性因子的步驟包括：獲取子周期內(nèi)的歷史運營數(shù)據(jù)；利用子周期內(nèi)的歷史運營數(shù)據(jù)與周期均值計算對應(yīng)的子周期因子；利用子周期因子分別計算每個子周期對應(yīng)的周期性因子。

本實施例中，時間周期包括月或周等，子周期包括天、半天或小時等。服務(wù)器利用子周期內(nèi)的歷史運營數(shù)據(jù)與周期均值計算對應(yīng)的子周期因子。具體的，服務(wù)器利用子周期內(nèi)的歷史運營數(shù)據(jù)除以周期均值得到對應(yīng)的子周期因子。不同子周期內(nèi)的歷史運營數(shù)據(jù)不同，不同時間周期的周期均值也不同，因此每個子周期因子都可能不同。以時間周期為一周、子周期為一天為例，子周期因子如表一所示：

表一：

將子周期進(jìn)行分組。具體的，按照子周期在時間周期中的時間順序來對子周期進(jìn)行分組。可以將位于時間周期第一順位的子周期作為一組，將位于時間周期第二順位的子周期作為一組，以此類推。計算每一組子周期因子的平均值，得到每個子周期對應(yīng)的周期性因子。例如，時間周期為一周，子周期為一天。則可以按照周一、周二、周三…周日來進(jìn)行分組。計算每一組子周期因子的平均值，得到周一至周日的周期性因子。如表二所示：

表二：

在一個實施例中，利用趨勢模型和周期性因子計算運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值的步驟包括：利用趨勢模型推算預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值；利用推算出的周期均值的擬合值與周期性因子得到歷史運營數(shù)據(jù)擬合值；根據(jù)歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)計算擬合比率；根據(jù)擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

本實施例中，服務(wù)器可以采用上述實施例中提及的方式利用趨勢模型來推算出預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值。例如，趨勢模型為的線性方程，當(dāng)t＝1,2,…15時，可以得到過去15周內(nèi)的運營數(shù)據(jù)的周期均值的擬合值，當(dāng)t＝16時，即可推算出第16周的運營數(shù)據(jù)的周期均值的擬合值。假設(shè)預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)分別為1、3、4、7和9，通過線性回歸得到回歸方程為則對應(yīng)的周期均值的擬合值分別為0.8、2.8、4.8、6.8和8.8。

服務(wù)器利用推算出的周期均值的擬合值乘以周期性因子得到歷史運營數(shù)據(jù)擬合值。利用趨勢模型計算得到的周期均值的擬合值與周期均值的誤差最小，服務(wù)器計算歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)的擬合比率，根據(jù)擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

在一個實施例中，利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率的步驟包括：利用趨勢模型推算當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)的周期預(yù)測均值；利用周期預(yù)測均值與周期性因子得到對應(yīng)的周期預(yù)測值；根據(jù)周期預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

本實施中，服務(wù)器可以采用上述實施例中提及的方式利用趨勢模型來推算出當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)的周期預(yù)測均值。服務(wù)器將周期預(yù)測均值乘以周期性因子得到當(dāng)前運營數(shù)據(jù)對應(yīng)的周期預(yù)測值，計算周期預(yù)測值與當(dāng)前運營數(shù)據(jù)的比率，將該比率確定為預(yù)測比率。將報警閾值與預(yù)測比率進(jìn)行比較，如果預(yù)測比率大于報警閾值，則表示當(dāng)前運營數(shù)據(jù)偏大，存在異常，需要進(jìn)行報警。

此外，服務(wù)器還可以計算當(dāng)前運營數(shù)據(jù)與周期預(yù)測值的比率，將該比率確定為預(yù)測比率。將報警閾值與預(yù)測比率進(jìn)行比較，如果預(yù)測比率小于報警閾值，則表示當(dāng)前運營數(shù)據(jù)偏小，存在異常，需要進(jìn)行報警。

在一個實施例中，獲取多個時間周期內(nèi)歷史運營數(shù)據(jù)對應(yīng)的擬合比率，將擬合比率進(jìn)行排序，將排在預(yù)設(shè)閾值位置的擬合比率確定為對應(yīng)的報警閾值，預(yù)設(shè)閾值位置根據(jù)進(jìn)行排序的擬合比率的數(shù)量的預(yù)設(shè)百分比來確定。預(yù)設(shè)百分比根據(jù)正態(tài)分布確定。擬合比率可以是子周期擬合值與子周期內(nèi)的歷史運營數(shù)據(jù)的比率，也可以是時間周期內(nèi)的運營數(shù)據(jù)的擬合值與周期內(nèi)的歷史運營數(shù)據(jù)的比率。

以時間周期為一周、子周期為一天為例，擬合比率與預(yù)測比率的統(tǒng)計表，如下表三所示：

表三：

如上表三中，第一周至第三周的運營數(shù)據(jù)可以視為歷史運營數(shù)據(jù)，第四周的運營數(shù)據(jù)可以視為當(dāng)前運營數(shù)據(jù)。子周期的歷史運營數(shù)據(jù)乘以子周期因子得到對應(yīng)的子周期擬合值。利用趨勢模型來推算出當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)(即第四周)的子周期預(yù)測值。擬合比率＝子周期擬合值/歷史運營數(shù)據(jù)，預(yù)測比率＝子周期預(yù)測值/當(dāng)前運營數(shù)據(jù)。將擬合比率按照從高到低的順序進(jìn)行排序，如下表四所示。例如，將預(yù)設(shè)百分比為90％，將21個擬合比率進(jìn)行排序，21*90％≈19，按照從高到低的順序，將排在第2位的擬合比率1.74確定為報警閾值。

表四：

表三中的預(yù)測比率均小于報警閾值1.74，由此可以確定表三中無異常數(shù)據(jù)。

可以理解，擬合比率還可以是歷史運營數(shù)據(jù)除以子周期擬合值的商，預(yù)測比率還可以是當(dāng)前運營數(shù)據(jù)除以子周期預(yù)測值的商。并且可以參照上述方式來確定報警閾值。

可以理解，在另外的實施例中，也可以采用箱線圖法從多個擬合比率中確定報警閾值。

服務(wù)器還可以根據(jù)運營數(shù)據(jù)的類型分別計算每個類型的運營數(shù)據(jù)的報警閾值以及對應(yīng)的預(yù)測值。服務(wù)器將每個類型的運營數(shù)據(jù)的預(yù)測值與報警閾值分別進(jìn)行比較，如果有某一類型的預(yù)測值大于報警閾值，則表示該類型的運營數(shù)據(jù)中存在異常數(shù)據(jù)，需要報警。

在一個實施例中，在獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)的步驟之前，還包括：檢測預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)中是否存在異常數(shù)據(jù)；若是，則利用趨勢模型和周期性因子計算得到異常數(shù)據(jù)對應(yīng)的擬合值；利用擬合值替換異常數(shù)據(jù)；再次執(zhí)行獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)的步驟。

本實施例中，由于預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)可能會存在異常數(shù)據(jù)，從而導(dǎo)致對當(dāng)前運營數(shù)據(jù)中的異常數(shù)據(jù)預(yù)警的準(zhǔn)確率下降。為了避免預(yù)設(shè)時間段內(nèi)的異常數(shù)據(jù)會造成不必要的干擾，需要在獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的步驟之前，檢測這些歷史運營數(shù)據(jù)中是否存在異常數(shù)據(jù)。具體的，可以采用上述實施例中提供的方式來進(jìn)行檢測。如果檢測到歷史運營數(shù)據(jù)中有異常數(shù)據(jù)，則利用趨勢模型和周期性因子計算得到該異常數(shù)據(jù)對應(yīng)的擬合值。將異常數(shù)據(jù)替換為該擬合值。如果存在多個異常數(shù)據(jù)，則需要分別計算多個異常數(shù)據(jù)對應(yīng)的擬合值，并利用這些擬合值分別對異常數(shù)據(jù)進(jìn)行替換。在替換完所有的異常數(shù)據(jù)后，再次采用上述實施例中提及的方式利替換后的運營數(shù)據(jù)對異常數(shù)據(jù)進(jìn)行預(yù)警。

可以理解，預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)可能存在多種類型的異常數(shù)據(jù)。服務(wù)器可以采用上述實施例中提供的方法分別對每個類型的歷史運營數(shù)據(jù)進(jìn)行檢測，如果發(fā)現(xiàn)有異常數(shù)據(jù)，則將異常數(shù)據(jù)替換為該擬合值。直至對所有的異常數(shù)據(jù)替換完成替換，再采用上述實施例中提及的方式利替換后的運營數(shù)據(jù)對異常數(shù)據(jù)進(jìn)行預(yù)警。

在一個實施例中，如圖3所示，提供了一種異常數(shù)據(jù)的報警裝置，該裝置包括：獲取模塊302、建模模塊304、計算模塊306和報警模塊308，其中：

獲取模塊302，用于獲取預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)和當(dāng)前運營數(shù)據(jù)。

建模模塊304，用于建立歷史運營數(shù)據(jù)對應(yīng)的趨勢模型；計算歷史運營數(shù)據(jù)對應(yīng)的周期性因子。

計算模塊306，用于利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值；利用趨勢模型和周期性因子計算當(dāng)前運營數(shù)據(jù)的預(yù)測值，并且根據(jù)預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

報警模塊308，用于當(dāng)預(yù)測比率大于報警閾值時，對異常數(shù)據(jù)生成報警信息。

在一個實施例中，預(yù)設(shè)時間段包括多個時間周期；計算模塊306還用于計算時間周期內(nèi)的歷史運營數(shù)據(jù)的周期均值；建模模塊304還用于擬合周期均值對應(yīng)的趨勢模型。

在一個實施例中，時間周期包括多個子周期；獲取模塊302還用于獲取子周期內(nèi)的歷史運營數(shù)據(jù)；計算模塊306還用于利用子周期內(nèi)的歷史運營數(shù)據(jù)與周期均值計算對應(yīng)的子周期因子；利用子周期因子分別計算每個子周期對應(yīng)的周期性因子。

在一個實施例中，計算模塊306還用于利用趨勢模型推算預(yù)設(shè)時間段內(nèi)的歷史運營數(shù)據(jù)的周期均值的擬合值；利用推算出的周期均值的擬合值與周期性因子得到歷史運營數(shù)據(jù)擬合值；根據(jù)歷史運營數(shù)據(jù)擬合值與歷史運營數(shù)據(jù)計算擬合比率；根據(jù)擬合比率確定當(dāng)前運營數(shù)據(jù)中異常數(shù)據(jù)的報警閾值。

在一個實施例中，計算模塊306還用于利用趨勢模型推算當(dāng)前運營數(shù)據(jù)在當(dāng)前時間周期內(nèi)的周期預(yù)測均值；利用周期預(yù)測均值與周期性因子得到對應(yīng)的周期預(yù)測值；根據(jù)周期預(yù)測值與當(dāng)前運營數(shù)據(jù)計算對應(yīng)的預(yù)測比率。

以上所述實施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實施例僅表達(dá)了本發(fā)明的幾種實施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。