[发明专利]设备状态预警方法、系统、计算机装置及可读存储介质

说明书

本发明提供一种设备状态预警方法、系统、计算机装置及计算机可读存储介质。所述设备状态预警方法包括：获取监控对象的历史系统日志，并从历史系统日志提取得到多个特征样本数据；根据多个特征样本数据建立并训练得到一负载预测模型；获取监控对象的当前系统日志，并从当前系统日志提取得到多个待测特征数据；将多个待测特征数据及多个参考特征数据分别输入至所述负载预测模型得到预测负载及参考负载；根据所述预测负载与所述参考负载输出所述监控对象的运行预警信息。本发明基于神经网络训练得到负载预测模型，根据模型可判断所述监控对象是否可为当前运行的系统/软件提供较佳的运行环境，以提前通知用户对监控对象进行处理。

技术领域

本发明涉及数据处理领域，尤其涉及一种设备状态预警方法、系统、计算机装置及计算机可读存储介质。

背景技术

本部分旨在为权利要求书及具体实施方式中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

进行设备故障的自动监测，已经成为保障设备正常运行的一种重要技术手段。当设备的某项参数超出预先设定的报警门限值时，设备可以发出相应的报警信息。通常，报警门限值是设备出厂时设定的一个固定值。如果报警门限设置的太宽松，则发生报警时设备可能已经产生了不可逆的故障，严重影响设备的使用寿命。如果报警门限设置的太严格，则设备可能经常进行不必要的报警，影响设备的正常使用。因而，设备预警手段主要是设备使用人员根据当前的设备参数主观预测设备的运行状态，准确性低。

发明内容

鉴于上述，本发明提供一种设备状态预警方法、系统、计算机装置及计算机可读存储介质，其可以实现提前对设备的运行状态进行预警。

本申请一实施方式提供一种设备状态预警方法，所述方法包括：

获取监控对象的历史系统日志，并对所述历史系统日志进行特征提取得到多个特征样本数据；

根据多个所述特征样本数据建立并训练得到一负载预测模型；

获取所述监控对象的当前系统日志，并对所述当前系统日志进行特征提取得到多个待测特征数据；

将多个所述待测特征数据输入至所述负载预测模型得到与所述监控对象对应的预测负载；

获取所述监控对象的多个参考特征数据，并将多个所述参考特征数据输入至所述负载预测模型得到与所述监控对象对应的参考负载，其中多个所述参考特征数据为所述监控对象可提供的运行环境的特征数据阈值；及

根据所述预测负载与所述参考负载输出所述监控对象的运行预警信息。

优选地，所述对所述历史系统日志进行特征提取得到多个特征样本数据的步骤包括：

根据多个预设关键字段从所述历史系统日志中提取得到与多个所述预设关键字匹配的多个特征样本数据。

优选地，所述对所述当前系统日志进行特征提取得到多个待测特征数据包括：

根据多个所述预设关键字从所述当前系统日志中提取得到与多个所述预设关键字匹配的多个待测特征数据。

优选地，所述负载预测模型为BP神经网络模型，所述BP神经网络模型包括输入层、隐藏层及输出层，所述输入层包括n个节点，所述隐藏层包括m个节点，所述BP神经网络模型为：