[发明专利]基于multi_DBNs模型的大服务组件系统在线可靠性预测方法

权利要求书

1.基于multi_DBNs模型的大服务组件系统在线可靠性预测方法，具体步骤如下，其特征在于：

在一个基于服务组合的SoS中，每一个组件系统均被实现为一个服务，要预测的是基于服务组合的SoS中任一组件系统S即由某一客户端C所调用的在线及未来的可靠性时间序列，在线可靠性时间序列是指从当前时间t向前推进Δt_l长度的时间点开始，所覆盖的有效预测的时间段为Δp_t，即有效预测时间；

基于multi_DBNs模型的服务系统可靠性预测步骤分为以下六步：

第一，数据准备，对所采集的历史系统参数进行预处理，将其划分为不同的时间序列；

第二，Motifs发现，从系统历史参数时间序列中找出motifs；

第三，时间序列表达，采用距离最近的motifs来标记系统历史参数时间序列；

第四，条件概率表构建，从被motifs标记过的系统历史参数时间序列中，根据其时序演化规律，统计系统历史参数时间序列motifs从数据窗口时间到有效预测时间的决定关系，并构建相应的条件概率表；

第五，可靠性时间序列预测，根据所采集的最邻近的系统响应时间、吞吐量参数时间序列，基于m_DBNs模型开展服务在线可靠性时间序列预测；

第六，根据先前多步预测结果的累积误差，利用multi_DBNs模型对新的预测结果进行校准，提高新的预测结果的精度。

2.根据权利要求1所述的基于multi_DBNs模型的大服务组件系统在线可靠性预测方法，其特征在于：步骤一在数据准备阶段，对连续采集的组件系统历史响应时间、吞吐量、可靠性参数进行预处理，为训练m_DBNs模型做准备，将每一个连续的历史系统参数划分为两类不同的时间序列，即数据窗口时间和有效预测时间的时间序列，以对响应时间参数的数据准备为例，数据窗口内的响应时间参数时间序列可表示为：

D→rt={D→rt(1),...,D→rt(i),...,D→rt(T)},]]>

其中，表示集合中的第i个时间序列，它是一个行向量，包含多个响应时间参数数据点；

其次，为获得有效预测时间内的响应时间参数时间序列，重新对响应时间参数划分时间序列，对于每个选择△t_l时间段之后时间段内的响应时间参数时间序列，定义为通过这一方式，同样将响应时间参数划分为多个时间序列，每一个时间序列中同样具有n个数据点；

在此基础上，采用同样的方法对组件系统的吞吐量、可靠性参数进行预处理，并获得以下系统参数时间序列集合：(1)数据窗口时间内的吞吐量参数时间序列集合(2)有效预测时间内的吞吐量参数时间序列集合(3)有效预测时间内的可靠性参数时间序列集合