公开(公告)号：CN104699606B

公开(公告)日：2017-05-24

申请号：CN201510099169.1

申请日：2015-03-06

申请人： 国网四川省电力公司电力科学研究院 ,  电子科技大学 ,  国家电网公司

发明人： 常政威 ,  吴佳 ,  林奕欧 ,  江维 ,  谢晓娜 ,  陈亚军 ,  王电钢

IPC分类号： G06F11/36

摘要： 一种基于隐马尔科夫模型的软件系统状态预测方法，包括以下步骤：构造训练样本集，采用K均值聚类算法将训练样本集中的样本聚为k簇；构造隐马尔科夫模型λ＝[π,A,B]，将训练样本集中的k个簇作为模型的观测状态，将系统状态作为隐藏状态；对隐马尔科夫模型进行训练，得到新的隐马尔科夫模型；利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模，进而根据系统观测值对系统实际状态进行预测，能够根据系统的观测值对系统软件状态进行准确的预测，有助于运维人员及早发现和处理可能的问题，防止功能降级,或者系统崩溃，预测准确率高。

公开(公告)号：CN104679655A

公开(公告)日：2015-06-03

申请号：CN201510099281.5

申请日：2015-03-06

申请人： 国网四川省电力公司电力科学研究院 ,  电子科技大学 ,  国家电网公司

发明人： 常政威 ,  吴佳 ,  林奕欧 ,  江维 ,  谢晓娜 ,  王电钢

IPC分类号： G06F11/36

摘要： 基于参数相关性的软件系统状态评估方法，包括以下步骤：步骤1、确定软件系统的状态参数；步骤2、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；步骤3、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；步骤4、根据状态参数的类型、正常值、测量值对每个状态参数进行评分；步骤5、计算所有状态参数得分总和，判定当前软件系统的系统状态。本发明不仅提供了软件系统状态评估方法，还利用样本数据的正常值和系统性能的相关性评分确定系统状态，可以提高系统状态评估时的精确度，可以降低系统状态评估的误差。

公开(公告)号：CN104679655B

公开(公告)日：2017-09-29

申请号：CN201510099281.5

申请日：2015-03-06

申请人： 国网四川省电力公司电力科学研究院 ,  电子科技大学 ,  国家电网公司

发明人： 常政威 ,  朱清代 ,  毕研秋 ,  吴佳 ,  林奕欧 ,  江维 ,  谢晓娜 ,  王电钢

IPC分类号： G06F11/36

摘要： 基于参数相关性的软件系统状态评估方法，包括以下步骤：步骤1、确定软件系统的状态参数；步骤2、确定状态参数类型，其中，软件系统性能随状态参数值增加而增加的状态参数为正相关参数，软件系统性能随状态参数值增加而降低的状态参数为负相关参数；步骤3、采集当前软件系统中所有状态参数的值，获得每个状态参数的测量值；步骤4、根据状态参数的类型、正常值、测量值对每个状态参数进行评分；步骤5、计算所有状态参数得分总和，判定当前软件系统的系统状态。本发明不仅提供了软件系统状态评估方法，还利用样本数据的正常值和系统性能的相关性评分确定系统状态，可以提高系统状态评估时的精确度，可以降低系统状态评估的误差。

公开(公告)号：CN104699606A

公开(公告)日：2015-06-10

申请号：CN201510099169.1

申请日：2015-03-06

申请人： 国网四川省电力公司电力科学研究院 ,  电子科技大学 ,  国家电网公司

发明人： 常政威 ,  吴佳 ,  林奕欧 ,  江维 ,  谢晓娜 ,  陈亚军 ,  王电钢

IPC分类号： G06F11/36

摘要： 一种基于隐马尔科夫模型的软件系统状态预测方法，包括以下步骤：构造训练样本集，采用K均值聚类算法将训练样本集中的样本聚为k簇；构造隐马尔科夫模型λ＝[π,A,B]，将训练样本集中的k个簇作为模型的观测状态，将系统状态作为隐藏状态；对隐马尔科夫模型进行训练，得到新的隐马尔科夫模型；利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模，进而根据系统观测值对系统实际状态进行预测，能够根据系统的观测值对系统软件状态进行准确的预测，有助于运维人员及早发现和处理可能的问题，防止功能降级，或者系统崩溃，预测准确率高。