專利名稱：一種智能預警的方法、裝置及信息系統(tǒng)的制作方法
技術領域：
本發(fā)明屬于人工智能領域，尤其涉及一種智能預警的方法、裝置及信息系統(tǒng)。
背景技術：
在互聯(lián)網(wǎng)操作過程中都會產(chǎn)生大量的數(shù)據(jù)信息，通常這些數(shù)據(jù)信息都能直接或者間接的反映出互聯(lián)網(wǎng)操作過程中的各種動態(tài)、靜態(tài)情況，通過對這些歷史數(shù)據(jù)信息的綜合分析判斷，可以對互聯(lián)網(wǎng)操作過程中將可能出現(xiàn)的問題進行提前預警，有利于及時采取應對措施，減少或者降低這些問題造成的損失。 然而，在現(xiàn)有的互聯(lián)網(wǎng)操作中，還缺少一種行之有效的預警方式，現(xiàn)有的預警方式大多還是通過人工分析互聯(lián)網(wǎng)的數(shù)據(jù)信息，然后依靠歷史數(shù)據(jù)信息的統(tǒng)計規(guī)律對分析后的數(shù)據(jù)信息進行預警判斷。這種預警方式單純的依靠統(tǒng)計規(guī)律，沒有考慮實際影響數(shù)據(jù)信息的影響因素，導致預警判斷的錯誤率較高。而且，預警過程需要人工的參與，效率較低。

發(fā)明內(nèi)容
本發(fā)明實施例的目的在于提供一種智能預警的方法，旨在解決現(xiàn)有互聯(lián)網(wǎng)操作過程中的預警方式效率低，錯誤率高的問題。本發(fā)明實施例是這樣實現(xiàn)的，一種智能預警的方法，所述方法包括以下步驟采集數(shù)據(jù)信息；判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符；在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常；在所述數(shù)據(jù)信息存在異常時，進行預警處理；所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符。本發(fā)明實施例的另一目的在于提供一種智能預警的裝置，所述裝置包括信息采集單元，用于采集數(shù)據(jù)信息；第一判斷單元，用于判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符；第二判斷單元，用于在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常；信息處理單元，用于在所述數(shù)據(jù)信息存在異常時，進行預警處理；所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符。本發(fā)明實施例的再一目的在于提供一種包括所述智能預警裝置的信息系統(tǒng)。在本發(fā)明實施例中，通過預設的預警模型中對應的預警公式對采集的數(shù)據(jù)信息進行預警處理，由于所述預警公式能夠準確的反應出數(shù)據(jù)信息的變化情況，從而提高了數(shù)據(jù)信息預警的準確率，可有效防止互聯(lián)網(wǎng)操作過程中可能出現(xiàn)的問題。而且在預警處理的過程中，不需要人工的參與，有效的提高了數(shù)據(jù)信息預警的效率和準確率，降低數(shù)據(jù)信息預警分析和維護的成本。


圖I是本發(fā)明實施例一提供的智能預警方法的實現(xiàn)流程圖；圖2是本發(fā)明實施例二提供的智能預警方法的實現(xiàn)流程圖；圖3是本發(fā)明實施例二提供的建立預警模型的具體流程圖；
圖4是本發(fā)明實施例三提供的智能預警方法的實現(xiàn)流程圖；圖5是本發(fā)明實施例四提供的智能預警裝置的組成結(jié)構(gòu)圖。
具體實施例方式為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所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。本發(fā)明實施例通過預設的預警模型中對應的預警公式對采集的數(shù)據(jù)信息進行預警處理，由于所述預警公式能夠準確的反應出數(shù)據(jù)信息的變化情況，從而提高了數(shù)據(jù)信息預警的準確率，可有效防止互聯(lián)網(wǎng)操作過程中可能出現(xiàn)的問題。而且在預警處理的過程中，不需要人工的參與，有效的提高了數(shù)據(jù)信息預警的效率，降低數(shù)據(jù)信息預警分析和維護的成本。為了說明本發(fā)明所述的技術方案，下面通過具體實施例來進行說明。實施例一:圖I示出了本發(fā)明實施例一提供的智能預警方法的實現(xiàn)流程，該方法過程詳述如下在步驟SlOl中，采集數(shù)據(jù)信息；在本實施例中，所述數(shù)據(jù)信息包括但不局限于數(shù)據(jù)名、數(shù)據(jù)類型、影響因子以及所述影響因子對應的數(shù)據(jù)量。其中，所述影響因子是指影響數(shù)據(jù)信息變化的影響因素，所述數(shù)據(jù)類型用于進一步細分數(shù)據(jù)信息，例如某網(wǎng)站訪問量的數(shù)據(jù)信息，在數(shù)據(jù)類型為地區(qū)時，可以將該數(shù)據(jù)信息進一步細分為該網(wǎng)站廣東地區(qū)訪問量的數(shù)據(jù)信息、該網(wǎng)站江蘇地區(qū)訪問量的數(shù)據(jù)信息等。在步驟S102中，判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，如果判斷結(jié)果為“是”，則執(zhí)行步驟S104，如果判斷結(jié)果為“否”，則執(zhí)行步驟S103 ；在本實施例中，預設的預警模型包括多個多參數(shù)的預警公式，所述預警公式與多個影響因子有關，能夠準確的反應出數(shù)據(jù)信息的變化情況，從而對數(shù)據(jù)信息作出準確的預警判斷。其中，每個預警公式都攜帶有一個與相應數(shù)據(jù)信息對應的唯一標識符(例如所述唯一標識符可以為數(shù)據(jù)名或者數(shù)據(jù)名+數(shù)據(jù)類型等)。系統(tǒng)根據(jù)該對應關系，在預測模型中查找與所述采集的數(shù)據(jù)信息相對應的預警公式，例如如果采集到某網(wǎng)站訪問量的數(shù)據(jù)信息，在預測模型中查找與該網(wǎng)站訪問量對應的預警公式，如果采集到的某網(wǎng)站訪問量的數(shù)據(jù)信息還根據(jù)數(shù)據(jù)類型劃分為該網(wǎng)站廣東地區(qū)訪問量的數(shù)據(jù)信息和該網(wǎng)站江蘇地區(qū)訪問量的數(shù)據(jù)信息，還需要在預警模型中查找是否存在與該網(wǎng)站廣東地區(qū)訪問量的數(shù)據(jù)信息和該網(wǎng)站江蘇地區(qū)訪問量的數(shù)據(jù)信息對應的預警公式。如果查找到與所述采集的數(shù)據(jù)信息相對應的預警公式，則執(zhí)行步驟S104，否則執(zhí)行步驟S103。在步驟S103中，在所述預警模型中不存在與所述數(shù)據(jù)信息對應的預警公式時，將所述數(shù)據(jù)信息直接存儲至歷史數(shù)據(jù)庫中；在本實施例中，所述歷史數(shù)據(jù)庫可用于存儲一段時間內(nèi)互聯(lián)網(wǎng)操作過程中產(chǎn)生的所有歷史數(shù)據(jù)信息。其中，所述時間段的長短可由用戶根據(jù)系統(tǒng)的實際性能設定。另外，在所述歷史數(shù)據(jù)庫中還存在一個新的劃分區(qū)，用來專門存儲和新類型數(shù)據(jù)信息相關的所有信
肩、O在步驟S104中，在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過 所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常；在本實施例中，在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過該對應的預警公式對所述采集的數(shù)據(jù)信息進行預警處理，即通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常。其中，所述異常是指所述數(shù)據(jù)信息預警處理的結(jié)果大于或者等于預設的閾值，或者所述結(jié)果不在預設的范圍之內(nèi)。而所述預設的閾值或者預設的范圍可由用戶根據(jù)實際情況設定。為了提高預警的效率，在采集到的數(shù)據(jù)信息包含多種數(shù)據(jù)類型的數(shù)據(jù)信息時，可以同時查找多個與所述數(shù)據(jù)信息對應的預警公式來處理，例如在采集到的某網(wǎng)站訪問量的數(shù)據(jù)信息根據(jù)數(shù)據(jù)類型劃分為該網(wǎng)站廣東地區(qū)訪問量的數(shù)據(jù)信息和該網(wǎng)站江蘇地區(qū)訪問量的數(shù)據(jù)信息，可以同時在預警模型中查找與該網(wǎng)站訪問量的數(shù)據(jù)信息、該網(wǎng)站廣東地區(qū)訪問量的數(shù)據(jù)信息和該網(wǎng)站江蘇地區(qū)訪問量的數(shù)據(jù)信息相對應的預警公式來處理。而且，還可以根據(jù)實際需要通過改變預警公式的參數(shù)來升級所述預警公式，有效的增強了預警模型的靈活性和實用性，降低了數(shù)據(jù)信息預警的成本。在步驟S105中，在所述數(shù)據(jù)信息存在異常時，進行預警處理。在本實施例中，所述預警處理的方式包括但不限于系統(tǒng)通過有線或者無線的方式向管理者發(fā)送短信或者郵件通知。作為本發(fā)明的另一實施例，所述方法在步驟S105之后，還包括以下步驟輸出所述數(shù)據(jù)信息異常的具體信息。在本實施例中，所述具體信息包括但不限于影響所述數(shù)據(jù)信息異常的主要原因，管理者可根據(jù)影響所述數(shù)據(jù)信息異常的主要原因采取有效的應對措施，減少異常造成的損失。實施例二 :圖2示出了本發(fā)明實施例二提供的智能預警方法的實現(xiàn)流程，該方法過程詳述如下在步驟S201中，從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型，預警模型包含多個多參數(shù)的預警公式。在本實施例中，所述歷史數(shù)據(jù)信息包括但不局限于數(shù)據(jù)名、數(shù)據(jù)類型、目標因子、目標因子對應的數(shù)據(jù)量、影響因子以及影響因子對應的數(shù)據(jù)量。其中，所述目標因子為反映數(shù)據(jù)信息變化特征的主要因子。從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型的具體步驟如圖3所示
在步驟S301中，從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息。在本實施例中，根據(jù)預設 的提取規(guī)則提取歷史數(shù)據(jù)庫中不同的歷史數(shù)據(jù)信息。其中，預設的提取規(guī)則包括但不局限于按時間提取或/和按數(shù)據(jù)類型提取。在步驟S302中，獲取所述歷史數(shù)據(jù)信息中的目標因子和影響因子。在本實施例中，獲取所述提取的每個歷史數(shù)據(jù)信息中的目標因子和影響因子。在步驟S303中，根據(jù)所述歷史數(shù)據(jù)信息，確定所述目標因子與影響因子之間的函數(shù)關系式。在本實施例中，根據(jù)所述獲取的目標因子和影響因子，建立所述目標因子與影響因子之間的函數(shù)關系式，所述函數(shù)關系式包含多個未知參數(shù)。根據(jù)所述歷史數(shù)據(jù)信息，例如目標因子的數(shù)據(jù)量以及影響因子的數(shù)據(jù)量，通過線性或者非線性數(shù)據(jù)擬合的方式確定所述函數(shù)關系式中未知參數(shù)的值。當然，也可以采用其他的方式確定所述函數(shù)關系式中未知參數(shù)的值，例如采用灰色理論模型等。作為本發(fā)明的一個實施例，所述方法還包括對所述歷史數(shù)據(jù)信息中的影響因子進行篩選，獲取影響數(shù)據(jù)量的關鍵影響因子，建立所述目標因子與關鍵影響因子之間的函數(shù)關系式。在步驟S304中，將確定的函數(shù)關系式作為與所述數(shù)據(jù)信息對應的預警公式，并建立包含多個預警公式的預警模型。在本實施例中，將確定參數(shù)值的函數(shù)關系式作為與所述數(shù)據(jù)信息對應的預警公式，并建立包含多個預警公式的預警模型。其中，每個預警公式都攜帶有一個唯一標識符，每一個唯一標識符與一個數(shù)據(jù)信息相對應。所述預警模型為包含多個預警公式的列表。在步驟S202中，采集數(shù)據(jù)信息。在步驟S203中，判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，如果判斷結(jié)果為“是”，則執(zhí)行步驟S205，如果判斷結(jié)果為“否”，則執(zhí)行步驟S204 ；在步驟S204中，在所述預警模型中不存在與所述數(shù)據(jù)信息對應的預警公式時，將所述數(shù)據(jù)信息直接存儲至歷史數(shù)據(jù)庫中；在步驟S205中，在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常。在步驟S206中，在所述數(shù)據(jù)信息存在異常時，進行預警處理。作為本發(fā)明的一個實施例，為了進一步增強預警模型的靈活性和實用性，在歷史數(shù)據(jù)庫新的劃分區(qū)接收到新數(shù)據(jù)類型的數(shù)據(jù)信息時(例如某網(wǎng)站西藏地區(qū)訪問量的數(shù)據(jù)信息)，說明所述預警模型中不存在與所述數(shù)據(jù)類型的數(shù)據(jù)信息對應的預警公式時，則單獨對該數(shù)據(jù)類型的數(shù)據(jù)信息進行統(tǒng)計、分析，建立與該數(shù)據(jù)類型的數(shù)據(jù)信息對應的預警公式，并將所述預警公式增加進預警模型中，以便于下次在采集到該數(shù)據(jù)類型的數(shù)據(jù)信息時能有效進行預警處理。本實施例還包括在所述預警模型中的預警公式不能準確的進行預警時，重新提取歷史數(shù)據(jù)庫中新的歷史數(shù)據(jù)作為訓練樣本，通過重新的統(tǒng)計、分析以及數(shù)據(jù)擬合(或者其他方式)，建立新的預警模型。舉例說明上述過程以某網(wǎng)站的訪問人數(shù)為例，統(tǒng)計過去一個月該網(wǎng)站每天的訪問人數(shù)S(目標因子)，并分析出影響網(wǎng)站訪問人數(shù)的關鍵因素，即關鍵影響因子。其中，關鍵影響因子采用灰色理論中的關聯(lián)度分析法獲取，假設通過關聯(lián)度分析法獲取的關鍵影響因子為X、Y、Z，建立目標因子與關鍵影響因子之間的函數(shù)關系式S = aXX+bXY+cXZ+d，再獲取目標因子和關鍵影響因子對應的數(shù)據(jù)量，通過matlab中的plotfit函數(shù)進行數(shù)據(jù)擬合或者通過灰色理論的GM(1，N)模型(I表示目標因子S，N表示關鍵影響因子的個數(shù))，確定函數(shù)關系式中參數(shù)的值a = l、b = 2、c = 3、d = 4。則預警公式為S = I XX+2XY+3XZ+4,根據(jù)所述預警公式對當天該網(wǎng)站的訪問人數(shù)進行預算，如果預算得到的訪問人數(shù)大于或者等于預設的閾值(例如10000人)，則進行預警處理，即向網(wǎng)站管理員發(fā)送短信或者郵件，通知網(wǎng)站訪問人數(shù)將達到預設的閾值，管理員可根據(jù)所述通知，提前采取應對措施來保證網(wǎng)站服務器的穩(wěn)定性，有效避免該網(wǎng)站因訪問人數(shù)過多造成服務器崩潰帶來的損失。當該網(wǎng)站由于做了大量的宣傳活動，使得網(wǎng)站每天的訪問人數(shù)大量增加時，為了保證預警的準確性，需要重新獲取新的歷史數(shù)據(jù)，并根據(jù)該數(shù)據(jù)重新進行數(shù)據(jù)擬合，獲取新的預警公式參數(shù)來升級所述預警公式。
實施例三:圖4示出了本發(fā)明實施例三提供的智能預警方法的實現(xiàn)流程，該方法過程詳述如下在步驟S401中，采集數(shù)據(jù)信息。在步驟S402中，解析并格式標準化所述采集的數(shù)據(jù)信息。在本實施例中，解析所述采集的數(shù)據(jù)信息，根據(jù)預設的過濾規(guī)則過濾所述采集的數(shù)據(jù)信息中與預警處理無關的信息，例如重復數(shù)據(jù)等。其中，所述過濾規(guī)則是根據(jù)預警模型建立時所需要的信息設置的。所述格式標準化數(shù)據(jù)信息是指對非標準化或者不符合預設規(guī)范的數(shù)據(jù)信息的數(shù)據(jù)類型以及數(shù)據(jù)量的單位等進行轉(zhuǎn)換，使其格式標準化或者符合預設規(guī)范。在步驟S403中，對格式標準化后的數(shù)據(jù)信息進行分類。在本實施例中，為了方便預警模型同時處理多種不同類型的數(shù)據(jù)信息，提高數(shù)據(jù)信息預警的效率和準確率，對格式標準化后的數(shù)據(jù)信息按照數(shù)據(jù)類型或者其他的方式進行分類。在步驟S404中，在所述預警模型中存在與所述分類后的數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述分類后的數(shù)據(jù)信息是否存在異常。在本實施例中，將預先存儲在歷史數(shù)據(jù)庫中某一時間段的歷史數(shù)據(jù)信息提取出來作為訓練樣本，通過對所述訓練樣本的統(tǒng)計和分析，建立包含多個多參數(shù)預警公式的預警模型，所述預警模型對分類后輸入的數(shù)據(jù)信息進行類型判斷后，選擇對應的預警公式對所述數(shù)據(jù)信息進行預警處理，根據(jù)預警處理的結(jié)果判斷所述數(shù)據(jù)信息是否存在異常。在步驟S405中，在所述數(shù)據(jù)信息存在異常時，進行預警處理。在本發(fā)明實施例中，通過解析并格式標準化所述采集的數(shù)據(jù)信息以及預設的過濾規(guī)則，可有效過濾掉預警處理過程中無關的信息，并規(guī)范采集的數(shù)據(jù)信息。對格式標準化后的數(shù)據(jù)信息進行分類，通過預設的預警模型處理分類后的數(shù)據(jù)信息，可進一步提高數(shù)據(jù)信息預警的效率和準確率。實施例四圖5示出了本發(fā)明實施例四提供的智能預警裝置的組成結(jié)構(gòu)，為了便于說明，僅不出了與本發(fā)明實施例相關的部分。該智能預警裝置可以是運行于各種信息系統(tǒng)的軟件單元、硬件單元或者軟硬件相結(jié)合的單元，也可以作為獨立的掛件集成到這些信息系統(tǒng)中。該智能預警裝置包括信息采集單元51、第一判斷單元52、第二判斷單元53和信息處理單元54。其中，各單元的具體功能如下信息采集單元51，用于采集數(shù) 據(jù)信息；在本實施例中，所述數(shù)據(jù)信息包括但不局限于數(shù)據(jù)名、數(shù)據(jù)類型、影響因子以及所述影響因子對應的數(shù)據(jù)量。其中，所述影響因子是指影響數(shù)據(jù)信息變化的影響因素，所述數(shù)據(jù)類型用于進一步細分數(shù)據(jù)信息。第一判斷單元52，用于判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符；第二判斷單元53，用于在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常；其中，所述第二判斷單元53還包括信息處理模塊531、信息分類模塊532以及信息判斷模塊533，各模塊具體功能如下信息處理模塊531，用于解析并格式標準化所述采集的數(shù)據(jù)信息；信息分類模塊532，用于對格式標準化后的數(shù)據(jù)信息進行分類；信息判斷模塊533，用于在所述預警模型中存在與所述分類后的數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述分類后的數(shù)據(jù)信息是否存在異常。在本實施例中，各模塊的具體實施方式
如上所述，在此不再贅述。信息處理單元54，用于在所述數(shù)據(jù)信息存在異常時，進行預警處理。在本實施例中，所述異常是指所述數(shù)據(jù)信息預警處理的結(jié)果大于或者等于預設的閾值，或者所述結(jié)果不在預設的范圍之內(nèi)。其中，所述預設的閾值或者預設的范圍可由用戶根據(jù)實際情況設定。所述預警處理的方式包括但不限于系統(tǒng)通過有線或者無線的方式向管理者發(fā)送短信或者郵件通知。作為本發(fā)明的另一實施例，所述裝置信息存儲單元55，用于在所述預警模型中不存在與所述數(shù)據(jù)信息對應的預警公式時，將所述數(shù)據(jù)信息存儲至歷史數(shù)據(jù)庫。作為本發(fā)明的另一實施例，所述裝置還包括模型建立單元56，用于從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型，所述預警模型包括多個多參數(shù)預警公式。其中，所述模型建立單元56還包括信息提取模塊561、獲取模塊562、關系式確定模塊563以及模型建立模塊564，其中信息提取模塊561，用于從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息；獲取模塊562，用于獲取所述歷史數(shù)據(jù)信息中的目標因子和影響因子；關系式確定模塊563，用于根據(jù)所述歷史數(shù)據(jù)信息，確定所述目標因子與影響因子之間的函數(shù)關系式；模型建立模塊564，用于將確定的函數(shù)關系式作為與所述數(shù)據(jù)信息對應的預警公式，并建立包含多個預警公式的預警模型。在本實施例中，各模塊的具體實施過程如上所述，在此不再贅述。作為本發(fā)明的再一實施例，為了便于管理者快速了解異常出現(xiàn)的原因，根據(jù)所述原因采取有效的應對措施，減少異常造成的損失，所述裝置還包括信息輸出單元，用于輸出所述數(shù)據(jù)信息異常的具體信息。在本發(fā)明實施例中，通過解析并格式標準化所述采集的數(shù)據(jù)信息以及預設的過濾規(guī)則，可有效過濾掉預警處理過程中無關的信息，規(guī)范采集的數(shù)據(jù)信息。對格式標準化后的數(shù)據(jù)信息進行分類，通過預設的預警模型中對應的預警公式處理分類后的數(shù)據(jù)信息，由于所述預警公式能夠準確的反應出數(shù)據(jù)信息的變化情況，從而提高了數(shù)據(jù)信息預警的準確率。而且，預警過程中不需要人工的參與就可實現(xiàn)數(shù)據(jù)信息的預警，有效的提高了數(shù)據(jù)信息預警的效率，降低了數(shù)據(jù)信息預警分析和維護的成本。同時，通過輸出所述數(shù)據(jù)信息異常的具體信息，可方便快速的了解異常出現(xiàn)的原因，根據(jù)所述原因采取有效的應對措施，減少異常造成的損失。另外，預警模型中的預警公式可根據(jù)實際的需要進行增加、升級等處理，有效的增強了該預警模型的靈活性和實用性。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
權利要求
1.一種智能預警的方法，其特征在于，所述方法包括以下步驟 采集數(shù)據(jù)信息； 判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符； 在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常； 在所述數(shù)據(jù)信息存在異常時，進行預警處理。
2.如權利要求I所述的方法，其特征在于，在采集數(shù)據(jù)信息的步驟之前，所述方法還包括以下步驟 從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型，所述預警模型包括多個多參數(shù)的預警公式。
3.如權利要求2所述的方法，其特征在于，所述從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型的步驟具體為 從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息； 獲取所述歷史數(shù)據(jù)信息中的目標因子和影響因子； 根據(jù)所述歷史數(shù)據(jù)信息，確定所述目標因子與影響因子之間的函數(shù)關系式； 將所述確定的函數(shù)關系式作為與所述數(shù)據(jù)信息對應的預警公式，并建立包含多個預警公式的預警模型。
4.如權利要求I所述的方法，其特征在于，所述在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常的步驟具體為 解析并格式標準化所述采集的數(shù)據(jù)信息； 對格式標準化后的數(shù)據(jù)信息進行分類； 在所述預警模型中存在與所述分類后的數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述分類后的數(shù)據(jù)信息是否存在異常。
5.如權利要求I所述的方法，其特征在于，所述預警處理的方式包括短信通知或者郵件通知。
6.一種智能預警的裝置，其特征在于，所述裝置包括 信息采集單元，用于采集數(shù)據(jù)信息； 第一判斷單元，用于判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符； 第二判斷單元，用于在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常； 信息處理單元，用于在所述數(shù)據(jù)信息存在異常時，進行預警處理。
7.如權利要求6所述的裝置，其特征在于，所述裝置還包括 模型建立單元，用于從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息作為訓練樣本，根據(jù)所述訓練樣本建立預警模型，所述預警模型包括多個多參數(shù)的預警公式。
8.如權利要求7所述的裝置，其特征在于，所述模型建立單元包括 信息提取模塊，用于從歷史數(shù)據(jù)庫中提取預存的歷史數(shù)據(jù)信息；獲取模塊，用于獲取所述歷史數(shù)據(jù)信息中的目標因子和影響因子； 關系式確定模塊，用于根據(jù)所述歷史數(shù)據(jù)信息，確定所述目標因子與影響因子之間的函數(shù)關系式； 模型建立模塊，用于將確定的函數(shù)關系式作為與所述數(shù)據(jù)信息對應的預警公式，并建立包含多個預警公式的預警模型。
9.如權利要求6所述的裝置，其特征在于，所述第二判斷單元還包括 信息處理模塊，用于解析并格式標準化所述采集的數(shù)據(jù)信息； 信息分類模塊，用于對格式標準化后的數(shù)據(jù)信息進行分類； 信息判斷模塊，用于在所述預警模型中存在與所述分類后的數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述分類后的數(shù)據(jù)信息是否存在異常。
10.如權利要求6所述的裝置，其特征在于，所述預警處理的方式包括短信通知或者郵件通知。
11.一種包含權利要求6至10任一項權利要求所述智能預警裝置的信息系統(tǒng)。
全文摘要
本發(fā)明適用于人工智能領域，提供了一種智能預警的方法、裝置及信息系統(tǒng)，所述方法包括下述步驟采集數(shù)據(jù)信息；判斷預設的預警模型中是否存在與所述數(shù)據(jù)信息對應的預警公式，所述預警模型中的每個預警公式都攜帶有一個與數(shù)據(jù)信息對應的唯一標識符；在所述預警模型中存在與所述數(shù)據(jù)信息對應的預警公式時，通過所述對應的預警公式判斷所述數(shù)據(jù)信息是否存在異常；在所述數(shù)據(jù)信息存在異常時，進行預警處理。本發(fā)明可有效的提高數(shù)據(jù)信息預警的效率和準確率，降低數(shù)據(jù)信息預警分析和維護的成本。
文檔編號H04L12/24GK102801548SQ20111014015
公開日2012年11月28日 申請日期2011年5月27日 優(yōu)先權日2011年5月27日
發(fā)明者華有為 申請人:騰訊科技(深圳)有限公司