本發明公開了一種基于多變量時間序列預測的魯棒性異常檢測方法和設備,方法包括:獲取互聯網服務性能歷史數據,構建多變量時間序列;通過小波變換將多變量時間序列分解為多個子分量,并去噪濾除噪音;將濾除噪音后的子分量輸入到LSTM網絡中,并訓練網絡,得到LSTM分量預測模型;根據LSTM分量預測值構建線性回歸模型,并利用歷史數據估計線性參數;將新產生的互聯網服務性能數據輸入LSTM分量預測模型,將得到的子分量預測值輸入線性回歸模型中,計算得到互聯網服務性能時間序列的預測值;當計算得到的預測值與真實值的誤差值大于預設的異常閾值時,判斷為互聯網服務出現異常。本發明可提高互聯網服務性能檢測準確度和魯棒性。
聲明:
“一種基于多變量時間序列預測的魯棒性異常檢測方法和設備” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)