[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

摘要

本发明的目的是提供一种基于multi_DBNs模型的服务系统组件在线可靠性预测的方法，这种方法是能够支持网络状况处于随机波动环境以及大服务环境下，发生错误的时间表现出不确定性的可靠性预测方法。为预测组建系统在有效预测时间段内的可靠性，我们拟基于概率图模型，对动态贝叶斯网络进行适当改进，提出基于multi_DBNs模型，通过对历史数据的学习构建m_DBNs模型中的条件概率表，最后根据实时采集的系统吞吐量、响应时间信息，开展m_DBNs模型推理，选取概率最大的决定关系中的可靠性特征子序列来作为SoS组件系统可靠性在线时间序列预测的结果，然后根据多步历史的预测结果的误差，通过multi_DBNs模型以校准未来的预测。

主权项

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Δtl长度的时间点开始，所覆盖的有效预测的时间段为Δpt，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。