[发明专利]一种基于智能算法的IT性能指标预测方法

说明书

本发明公开了一种基于智能算法的IT性能指标预测的方法，包含以下步骤：(1)、对大量各种IT性能指标数据进行变化趋势分析后归类，得到各类变化趋势及对应的IT性能指标数据；(2)、每类变化趋势分别找到对应的算法进行建模得到预测模型；(3)、使用模型评估方法选出最优模型，通过最优模型对待预测的IT性能指标进行预测。本发明方法可以帮助运维人员提前了解到指标的变化趋势，从而提前采取措施，减少由此引发的故障。

技术领域

本发明涉及IT数据分析方法领域，具体是一种基于智能算法的IT性能指标预测方法。

背景技术

IT性能指标预测主要是对时间序列数据(即随着时间的变化而变化的数据)的预测，例如随着时间的变化，CPU使用率、内存使用率、磁盘容量等指标值会上升或下降，对于这种数据的预测，主要使用ARIMA算法、Holt-Winters算法、神经网络算法等。目前在IT性能指标预测大的背景技术下，主要是采用单一或简单组合的预测算法单独预测CPU使用率情况、内存占用率情况以及磁盘容量情况等，由于需要考虑所应用的IT性能指标类型，因此并未将这些情景融合在一起，形成一个统一的预测系统。

发明内容

本发明的目的是提供一种基于智能算法的IT性能指标预测方法，以解决现有技术IT性能指标预测方法存在的应用目标单一、无法对各种IT性能指标实现统一预测的问题。

为了达到上述目的，本发明所采用的技术方案为：

一种基于智能算法的IT性能指标预测方法，包括以下步骤：

(1)、提取大量各种IT性能指标数据，对IT性能指标数据进行变化趋势分析后再归类，得到各类变化趋势，以及每类变化趋势对应的至少一种IT性能指标数据；

(2)、按照每类变化趋势分别找到对应的算法进行建模，得到各类变化趋势的预测模型；

(3)、对于待预测的IT性能指标，使用模型评估方法从步骤(2)中得到的预测模型中选出最优模型，然后通过最优模型对待预测的IT性能指标进行预测。

一种基于智能算法的IT性能指标预测方法，所述步骤(1)中的归类过程如下：

当IT性能指标数据随时间的增加，呈线性上升或下降趋势时，则定义并归类为线性变化趋势；

当IT性能指标数据呈现围绕在均值上下波动的趋势时，则定义并归类为平稳序列变化趋势；

当IT性能指标数据呈现沿以倾斜直线上下波动的上升或下降趋势时，则定义并归类为波动变化趋势；

当IT性能指标数据呈现周期性变化，且呈现线性上升或下降趋势时，则定义并归类为有周期线性趋势；

当IT性能指标数据呈现周期性变化，但不呈现线性上升或下降趋势时，则定义并归类为有周期非线性趋势。

一种基于智能算法的IT性能指标预测方法，所述步骤(2)中对于线性变化趋势，结合对应的时间戳和IT性能指标数据，利用线性回归算法进行建模，得到线性趋势预测模型。

一种基于智能算法的IT性能指标预测方法，所述步骤(2)中对于平稳序列变化趋势，使用对应的IT性能指标数据，利用神经网络算法进行建模，得到平稳趋势预测模型。

一种基于智能算法的IT性能指标预测方法，所述步骤(2)中对于波动变化趋势，使用对应的IT性能指标数据，利用线性回归算法和神经网络算法的组合来进行建模，得到波动趋势预测模型，其中线性回归算法拟合线性趋势部分，神经网络算法拟合波动趋势部分。