公开(公告)号：CN109656818B

公开(公告)日：2022-02-15

申请号：CN201811477290.3

申请日：2018-12-05

Applicant: 北京计算机技术及应用研究所

Inventor： 高昕睿 ,  杜泽峰 ,  陈静 ,  江山 ,  杨雨婷

IPC: G06F11/36 ,  G06N3/04

Abstract: 本发明涉及一种软件密集系统故障预测方法，其中，包括：步骤一、构建特征向量；步骤二、通过获得的特征向量，训练时间序列预测法模型，并输出时间序列预测法模型的特征向量，用训练好的时间序列预测法模型对下一时刻系统硬件信息进行预测；步骤三、构建基于随机深林算法的故障预测模型，将步骤二中得到时间序列预测法模型的特征向量，输入随机森林模型中，得到软件故障的预测结果。本发明方法不依赖于人工确认及个人分析经验，通过实际观测数据进行智能预测，预测结果更为客观。

公开(公告)号：CN109656818A

公开(公告)日：2019-04-19

申请号：CN201811477290.3

申请日：2018-12-05

Applicant: 北京计算机技术及应用研究所

Inventor： 高昕睿 ,  杜泽峰 ,  陈静 ,  江山 ,  杨雨婷

IPC: G06F11/36 ,  G06N3/04

Abstract: 本发明涉及一种软件密集系统故障预测方法，其中，包括：步骤一、构建特征向量；步骤二、通过获得的特征向量，训练时间序列预测法模型，并输出时间序列预测法模型的特征向量，用训练好的时间序列预测法模型对下一时刻系统硬件信息进行预测；步骤三、构建基于随机深林算法的故障预测模型，将步骤二中得到时间序列预测法模型的特征向量，输入随机森林模型中，得到软件故障的预测结果。本发明方法不依赖于人工确认及个人分析经验，通过实际观测数据进行智能预测，预测结果更为客观。