[发明专利]参数异常原因的确定方法、装置、电子设备及存储介质

说明书

本申请提供了一种参数异常原因的确定方法、装置、电子设备及存储介质，该确定方法包括：根据计算异常参数的计算公式以及该异常参数的各个维度，确定该异常参数的各个异常路径；针对每个异常路径，根据该异常路径中包含的各个子参数的正常值和异常值，确定该异常路径的贡献值和主要子参数；根据每个异常路径的贡献值，该异常路径以及该异常路径的上级异常路径分别被访问的次数，确定该异常路径的异常分析值；基于每个异常路径的异常分析值，将异常分析值满足预设要求的异常路径的主要子参数作为新的异常参数，直至满足退出条件时，确定根源异常参数和总异常路径。本申请通过对异常路径的异常分析值的确定，提高了确定参数异常原因的准确度。

技术领域

本申请涉及大数据分析技术领域，具体而言，涉及一种参数异常原因的确定方法、装置、电子设备及存储介质。

背景技术

随着大数据技术在各行各业的广泛使用，很多企业在处理业务时逐渐趋向于数字化和线上化，具体的，通过对异常参数的数据分析定位参数发生异常的原因，随着需要监测的参数数量的急剧增加，对异常参数的数据分析方法提出了更高要求。

当前，在对海量参数进行数据分析时，通常使用微软提出的Adtributor方法，以及清华实验室提出的Hotspot与Squeeze方法。但是，使用Adtributor方法分析异常参数时，只能发现一维原因，不能发现多维交叉原因，比如，A＝B+C＝D×E，D和B之间存在交叉，当A异常时，只能确定B是A异常的原因，但是无法确定D中的B是A异常的原因。使用Hotspot与Squeeze的方法，在存在多个异常原因时，无法确定每个异常原因的影响程度，比如，E＝F+G，当E异常时，无法确定F和G对E异常的影响程度。

因此，亟需一种既能够准确选择异常参数的分析路径，又能够确定每个异常原因的影响程度的异常参数分析方法。

发明内容

有鉴于此，本申请实施例的目的在于提供一种参数异常原因的确定方法、装置、电子设备及存储介质，能够基于异常参数每个异常路径的异常分析值，确定异常参数的分析路径，并确定异常路径中每个子参数对异常参数的影响程度，提高了确定参数异常原因的准确度。

第一方面，本申请实施例提供了一种参数异常原因的确定方法，所述确定方法包括：

根据计算异常参数所使用的计算公式以及该异常参数对应的各个维度，确定该异常参数的各个异常路径；

针对每个异常路径，根据该异常路径中包含的各个子参数的正常值和异常值，确定该异常路径的贡献值和主要子参数；

根据每个异常路径的贡献值，该异常路径以及该异常路径的上级异常路径分别被访问的次数，确定该异常路径的异常分析值；

基于每个异常路径的异常分析值，将异常分析值满足预设要求的异常路径的主要子参数作为新的异常参数，直至满足退出条件时，将异常分析值满足预设要求的异常路径的主要子参数确定为根源异常参数，将异常分析值满足预设要求的异常路径以及该异常路径的关联异常路径确定为总异常路径。

在一种可能的实施方式中，通过如下方式筛选出所述异常参数：

针对每个核心参数，根据该核心参数在历史时间段内的历史参数值，该核心参数的预测时间段的时间长度，以及该核心参数在历史时间段和预测时间段内的周期、节假日日期和特殊事件日期，确定该核心参数在所述预测时间段内的预测值、上界值以及下界值；

根据每个核心参数在所述预测时间段内的实际值、上界值以及下界值，从各个核心参数中筛选出异常参数。

在一种可能的实施方式中，所述针对每个异常路径，根据该异常路径中包含的各个子参数的正常值和异常值，确定该异常路径的贡献值和主要子参数，包括：

根据每个异常路径包括的各个子参数的正常值和异常值，确定该异常路径的差距值；