(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111667055.4 (22)申请日 2021.12.31 (71)申请人 北京中体 骏彩信息技 术有限公司 地址 100021 北京市朝阳区东 三环南路23 号 (72)发明人 孟凡欣　 (74)专利代理 机构 北京华夏正 合知识产权代理 事务所(普通 合伙) 11017 代理人 韩登营 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 10/00(2012.01) (54)发明名称 性能指标的异常阈值确定方法和装置、 设 备、 存储介质 (57)摘要 本申请涉及智能运维技术领域， 尤其涉及一 种性能指标的异常阈值确定方法和装置、 设备、 存储介质。 本申请一实施例中， 性能指标的异常 阈值确定方法包括： 利用训练数据集确定第一性 能指标与TPS的关系模型， 所述训练数据集包括 第一性能指标的多个历史值和至少一种TPS的多 个历史值； 利用所述关系模型和多个历史值， 得 到所述第一性能指标的多个预测值； 根据所述第 一性能指标的多个历史值、 所述第一性能指标的 多个预测值和预定的异常敏感度参数， 确定所述 第一性能指标的异常阈值， 所述异常阈值用于检 测所述第一性能指标是否异常。 本申请可结合性 能指标的动态变化准确确定性能指标的异常阈 值， 从而提升性能指标异常检测的准确性和高效 性， 减少异常告警的误报和漏报。 权利要求书2页 说明书9页 附图2页 CN 114358581 A 2022.04.15 CN 114358581 A 1.一种性能指标的异常阈值确定方法， 其特 征在于， 包括： 利用训练数据集确定第一性能指标与TPS的关系模型， 所述训练数据集包括第一性能 指标的多个历史值和至少一种TP S的多个历史值； 利用所述关系模型和至少一种TPS的多个历史值， 得到所述第一性能指标的多个预测 值； 根据所述第 一性能指标的多个历史值、 所述第 一性能指标的多个预测值和预定的异常 敏感度参数， 确定所述第一性能指标的异常阈值， 所述异常阈值用于检测所述第一性能指 标是否异常。 2.根据权利要求1所述性 能指标的异常阈值确定方法， 其特征在于， 所述根据 所述第一 性能指标的多个历史值、 所述第一性能指标 的多个预测值和预定的异常敏感度参数， 确定 所述第一 性能指标的异常阈值， 包括： 计算所述第 一性能指标的多个预测值与相应预测值之间的残差， 以获得所述第 一性能 指标的残差均值和残差分布； 根据所述异常敏感度参数、 所述第一性能指标的残差均值和残差分布， 确定所述第一 性能指标的异常阈值。 3.根据权利要求2所述 性能指标的异常阈值确定方法， 其特 征在于， 所述第一性能指标的残差分布包含多个数据点， 每个所述数据点代表所述第 一性能指 标的一个历史值与相应预测值之间的残差； 所述根据所述异常敏感度参数、 所述第一性能指标的残差均值和残差分布， 确定所述 第一性能指标的异常阈值， 包括： 以所述第一 性能指标的残差均值作为所述第一 性能指标的异常阈值的当前值； 根据所述第 一性能指标的异常阈值的当前值， 确定所述第 一性能指标的残差分布中满 足第一条件的连续n个数据点， n为大于1的整数， 所述第一条件为： 所述数据点对应的残差 大于或等于所述异常阈值的当前值； 在n小于或等于所述异常敏感度参数时， 设置所述性能指标的异常阈值为所述异常阈 值的当前值。 4.根据权利要求3所述性 能指标的异常阈值确定方法， 其特征在于， 所述根据 所述异常 敏感度参数、 所述第一性能指标 的残差均值和残差分布， 确定所述第一性能指标的异常阈 值， 还包括： 在n大于所述异常敏感度参数时， 按照预定步长迭代更新所述异常阈值的当前值， 直到 n小于或等于所述异常敏感度参数。 5.一种性能指标的异常检测方法， 其特 征在于， 包括： 利用训练数据集确定第一性能指标与TPS的关系模型， 所述训练数据集包括第一性能 指标的多个历史值和至少一种TP S的多个历史值； 利用所述关系模型和至少一种TPS的多个历史值， 得到所述第一性能指标的多个预测 值； 根据所述第 一性能指标的多个历史值、 所述第 一性能指标的多个预测值和预定的异常 敏感度参数， 确定所述第一性能指标的异常阈值， 所述异常阈值用于检测所述第一性能指 标是否异常；权　利　要　求　书 1/2 页 2 CN 114358581 A 2根据所述TPS的当前值、 所述第一性能指标的当前值、 所述关系模型和所述第一性能指 标的异常阈值， 确定所述第一 性能指标 是否异常。 6.根据权利要求5所述性能指标的异常检测方法， 其特征在于， 所述根据所述TPS的当 前值、 所述第一性能指标的当前值、 所述关系模型和所述第一性能指标的异常阈值， 确定所 述第一性能指标 是否异常， 包括： 根据所述TP S的当前值和所述关系模型确定所述第一 性能指标的当前 预测值； 计算所述第一 性能指标的当前 预测值与所述 性能指标的当前值之间的残差； 在所述残差大于所述第一 性能指标的异常阈值时， 确定所述第一 性能指标异常。 7.一种用于确定性能指标的异常阈值的装置， 其特 征在于， 包括： 模型构建模块， 用于利用训练数据集确定第一性能指标与TPS的关系模型， 所述训练数 据集包括第一 性能指标的多个历史值和至少一种TP S的多个历史值； 阈值确定模块， 用于利用所述关系模型和至少一种 TPS的多个历史值， 得到所述第一性 能指标的多个预测值； 以及， 用于根据所述第一性能指标的多个历史值、 所述第一性能指标 的多个预测值和预定的异常敏感度参数， 确定所述第一性能指标 的异常阈值， 所述异常阈 值用于检测所述第一 性能指标 是否异常。 8.一种性能指标的异常检测方法， 其特 征在于， 包括： 模型构建模块， 用于利用训练数据集确定第一性能指标与TPS的关系模型， 所述训练数 据集包括第一 性能指标的多个历史值和至少一种TP S的多个历史值； 阈值确定模块， 用于利用所述关系模型和至少一种 TPS的多个历史值， 得到所述第一性 能指标的多个预测值； 以及， 用于根据所述第一性能指标的多个历史值、 所述第一性能指标 的多个预测值和预定的异常敏感度参数， 确定所述第一性能指标 的异常阈值， 所述异常阈 值用于检测所述第一 性能指标 是否异常； 异常确定模块， 用于根据所述TPS的当前值、 所述第一性能指标的当前值、 所述关系模 型和所述第一 性能指标的异常阈值， 确定所述第一 性能指标 是否异常。 9.一种计算设备， 其特 征在于， 包括： 处理器和存 储器； 其中， 所述存储器用于存储程序指令， 所述程序指令当被所述处理器执行时使得所述 计算设备实现权利要求1至4任一所述的方法或者权利要求5 至6任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有程序指令， 其特征在于， 所述程序指令当被 计算机执行时使得所述计算机实现权利要求1至4任一所述的方法或者权利要求5至6任一 项所述的方法。权　利　要　求　书 2/2 页 3 CN 114358581 A 3