[发明专利]告警监控方法、系统、计算机可读存储介质及电子设备

权利要求书

1.一种告警监控方法，其特征在于，所述方法包括以下步骤：

训练，建立预测神经网络初始模型，对历史告警数据进行预处理以创建告警训练集，并基于该告警训练集训练和优化预测神经网络；

告警，基于训练后的预测神经网络和告警数据对神经网络进行预测告警，关联、聚合所获取的告警数据，利用时间滑窗告警校验方法对告警数据进行校验；

所述告警包括以下步骤；

采集系统、设备的当前状态，将该当前状态提供给预测神经网络，所述当前状态包括告警名称、告警等级、告警频度、告警诱因系统及设备状态、是否转故障、产生告警的设备类型和站点信息；

神经网络预测告警，基于已获取最优损失函数值的权值W和偏置值b的神经网络预测模型进行系统、设备故障告警预测，得到告警预测值；

告警数据关联、聚合，利用FP-Growth算法对告警预测值进行关联；

时间滑窗告警校验，基于时间滑窗的长度判断告警数据关联的正确性，若告警校验正确则输出告警数据，若告警校验错误则重新执行神经网络预测告警，进行迭代优化；

告警分类、分级输出，通过对输出的告警数据进行分类、分级，从而进行故障告警通知；

数据库备份，将输出的告警数据添加到数据库。

2.根据权利要求1所述的告警监控方法，其特征在于，所述训练包括以下步骤：

建立预测神经网络初始模型，采集系统、设备的历史告警数据；

将采集到的所述历史告警数据进行数据预处理；

基于经过预处理的历史告警数据创建告警训练集，获取预测神经网络的整体目标函数；

基于该整体目标函数，从预测神经网络的输出层开始计算获取输出层的预测值以及最优损失函数，对该预测值进行优化网络迭代训练，获得最优损失函数的权值W和偏置值b，从而获取预测神经网络的网络参数的更新值W^l、b^l。

3.根据权利要求1所述的告警监控方法，其特征在于，所述方法还包括以下步骤：

预测神经网络调优，在进行所述迭代优化时，将误判或关联、聚合告警错误的系统、设备告警信息分析后，进行预测神经网络调参、调优，以获得最优损失函数值，得到更优的权值W的值和偏置值b的值。

4.一种告警监控系统，其特征在于，包括：

训练模块，用于建立预测神经网络初始模型，对历史告警数据进行预处理以创建告警训练集，并基于该告警训练集训练和优化预测神经网络；

告警模块，基于经过所述训练模块训练后的预测神经网络和告警数据对神经网络进行预测告警，关联、聚合所获取的告警数据，利用时间滑窗告警校验方法对告警数据进行校验；

所述告警模块包括：

采集单元，用于采集系统、设备的当前状态，将该当前状态提供给预测神经网络，所述当前状态包括告警名称、告警等级、告警频度、告警诱因系统及设备状态、是否转故障、产生告警的设备类型和站点信息；

预测告警单元，用于神经网络预测告警，基于已获取最优损失函数值的权值W和偏置值b的神经网络预测模型进行系统、设备故障告警预测，得到告警预测值；

关联、聚合单元，用于告警数据关联、聚合，利用FP-Growth算法对告警预测值进行关联；

告警校验单元，用于时间滑窗告警校验，基于时间滑窗的长度判断告警数据关联的正确性，若告警校验正确则输出告警数据，若告警校验错误则重新执行神经网络预测告警，进行迭代优化；

输出单元，用于告警分类、分级输出，通过对输出的告警数据进行分类、分级，从而进行故障告警通知；

备份单元，用于数据库备份，将输出的告警数据添加到数据库。