一种基于持续智能的数据监控方法、装置、介质和设备与流程

本发明适用于数据监控领域，尤其涉及一种基于持续智能的数据监控方法、装置、介质和设备。

背景技术：

1、目前，在传统的数据分析类应用中，企业通过定期查和监控各类指标数据，并沿着预定义的查询路径手动浏览数据。但是，仅参考预定义的技术指标和绩效指标会导致数据监控的视角受到限制，会错过与所展示指标存在关联关系但未预定义的其他指标，导致数据监控的全面性和完备性较差。

2、有方法提出将m个指标数据分别对应的指标向量输入关联预测模型中，输出m个预测向量，根据m个指标向量、m个预测向量、参考关联矩阵和关联预测模型对应的权重矩阵，确定第一训练损失，进而对权重矩阵更新，得到目标关联矩阵，根据目标关联矩阵，确定每个指标数据对应的目标关联数据，在根据用户指令对指标数据进行监控时，同时监控指标数据的目标关联数据。

3、然而，指标数据之间的关联关系可能存在一定的滞后性，例如某项指标数据的变化可能在若干时刻之后才会作用于另一指标数据，从而导致上述方法仍然可能存在指标数据之间的潜在关联并未发现，降低了数据监控的全面性和完备性，因此，如何进一步提高数据监控的全面性和完备性成为了亟待解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了一种基于持续智能的数据监控方法、装置、介质和设备，以解决问题。

2、第一方面，提供一种基于持续智能的数据监控方法，该方法包括：

3、获取m个指标数据分别对应的监控数据流，m为大于零的整数；

4、针对任一指标数据，根据预设的滑动窗口、m个监控数据流和所述m个指标数据分别对应的起始位置偏移量，确定所述m个指标数据分别对应的指标向量；

5、将所述m个指标向量输入训练好的关联预测子模型中，输出所述指标数据对应的预测向量，所述训练好的关联预测子模型对应于所述指标数据的第一关联向量；

6、根据所述指标向量和所述预测向量，对所述m个指标数据分别对应的起始位置偏移量进行更新，得到所述m个指标数据分别对应的目标位置偏移量；

7、在采集到所述m个指标数据分别对应的实时监控数据时，更新所述m个监控数据流，根据所述滑动窗口、m个更新后的监控数据流和所述m个指标数据分别对应的目标位置偏移量，确定所述m个指标数据分别对应的更新向量；

8、将m个更新向量输入所述训练好的关联预测子模型中，输出所述指标数据对应的第一预测向量；

9、将所述指标数据对应的更新后的监控数据流输入训练好的时序预测模型中，得到所述指标数据对应的第二预测向量；

10、根据所述第一预测向量和所述第二预测向量，对所述训练好的关联预测子模型进行更新，得到更新好的关联预测子模型，所述更新好的关联预测子模型对应于所述指标数据的第二关联向量；

11、根据所述第二关联向量，确定所述指标数据的关联指标数据，所述关联指标数据用于在根据用户指令对所述指标数据进行监控时，同时监控所述指标数据的关联指标数据。

12、第二方面，提供一种基于持续智能的数据监控装置，该装置包括：

13、数据流获取模块，用于获取m个指标数据分别对应的监控数据流，m为大于零的整数；

14、向量截取模块，用于针对任一指标数据，根据预设的滑动窗口、m个监控数据流和所述m个指标数据分别对应的起始位置偏移量，确定所述m个指标数据分别对应的指标向量；

15、第一向量预测模块，用于将所述m个指标向量输入训练好的关联预测子模型中，输出所述指标数据对应的预测向量，所述训练好的关联预测子模型对应于所述指标数据的第一关联向量；

16、偏移量更新模块，用于根据所述指标向量和所述预测向量，对所述m个指标数据分别对应的起始位置偏移量进行更新，得到所述m个指标数据分别对应的目标位置偏移量；

17、向量更新模块，用于在采集到所述m个指标数据分别对应的实时监控数据时，更新所述m个监控数据流，根据所述滑动窗口、m个更新后的监控数据流和所述m个指标数据分别对应的目标位置偏移量，确定所述m个指标数据分别对应的更新向量；

18、第二向量预测模块，用于将m个更新向量输入所述训练好的关联预测子模型中，输出所述指标数据对应的第一预测向量；

19、第三向量预测模块，用于将所述指标数据对应的更新后的监控数据流输入训练好的时序预测模型中，得到所述指标数据对应的第二预测向量；

20、模型更新模块，用于根据所述第一预测向量和所述第二预测向量，对所述训练好的关联预测子模型进行更新，得到更新好的关联预测子模型，所述更新好的关联预测子模型对应于所述指标数据的第二关联向量；

21、数据监控模块，用于根据所述第二关联向量，确定所述指标数据的关联指标数据，所述关联指标数据用于在根据用户指令对所述指标数据进行监控时，同时监控所述指标数据的关联指标数据。

22、第三方面，本发明实施例提供一种计算机设备，该计算机设备包括处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面的数据监控方法。

23、第四方面，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如第一方面的数据监控方法。

24、本发明与现有技术相比存在的有益效果是：

25、以滑动窗口的位置偏移量为对象，在关联预测子模型的基础上进一步训练，从而挖掘出各个指标数据与特定指标数据之间关联关系的滞后信息，有利于发现指标数据之间的新关联关系，而且，将更新向量的联合预测结果以及时序预测结果进行对比，帮助关联预测子模型进一步学习到时序信息，提高第二关联向量的可靠性，进而从第二关联向量中挖掘的潜在关联关系，从而提高数据监控的全面性和完备性。

技术特征：

1.一种基于持续智能的数据监控方法，其特征在于，所述数据监控方法包括：

2.根据权利要求1所述的数据监控方法，其特征在于，所述针对任一指标数据，根据预设的滑动窗口、m个监控数据流和所述m个指标数据分别对应的起始位置偏移量，确定所述m个指标数据分别对应的指标向量，包括：

3.根据权利要求1所述的数据监控方法，其特征在于，所述根据所述指标向量和所述预测向量，对所述m个指标数据分别对应的起始位置偏移量进行更新，得到所述m个指标数据分别对应的目标位置偏移量，包括：

4.根据权利要求1所述的数据监控方法，其特征在于，第m个指标数据对应的第一关联向量中的第m个元素为第二预设值，m为[1，m]范围内的整数。

5.根据权利要求1所述的数据监控方法，其特征在于，所述根据所述第一预测向量和所述第二预测向量，对所述训练好的关联预测子模型进行更新，得到更新好的关联预测子模型，包括：

6.根据权利要求5所述的数据监控方法，其特征在于，所述根据所述第三训练损失，对所述训练好的关联预测子模型进行更新，直至所述第三训练损失收敛，得到所述更新好的关联预测子模型，包括：

7.根据权利要求1至6所述的数据监控方法，其特征在于，所述根据所述第二关联向量，确定所述指标数据的关联指标数据，包括：

8.一种基于持续智能的数据监控装置，其特征在于，所述数据监控装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的数据监控方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的数据监控方法。

技术总结
本发明涉及一种基于持续智能的数据监控方法、装置、介质和设备。该方法以滑动窗口的位置偏移量为对象，在关联预测子模型的基础上进一步训练，从而挖掘出各个指标数据与特定指标数据之间关联关系的滞后信息，有利于发现指标数据之间的新关联关系，而且，将更新向量的联合预测结果以及时序预测结果进行对比，帮助关联预测子模型进一步学习到时序信息，提高第二关联向量的可靠性，进而从第二关联向量中挖掘的潜在关联关系，从而提高数据监控的全面性和完备性。

技术研发人员：刘国辉,闫利,覃松,刘广新,郑凯,刘佳音,陈增琪,薛海莲,王庆琦,李庆鹏,张辉,张凯,沈诗杰
受保护的技术使用者：河南九域腾龙信息工程有限公司
技术研发日：
技术公布日：2025/3/10