基于人工智能的运维管理方法及系统
摘要文本
本申请涉及人工智能技术领域,公开了一种基于人工智能的运维管理方法及系统。所述方法包括:对数据中心机房进行运行数据采集、标准化处理和主成分分析,得到目标运行数据;构建初始KNN模型并通过深度强化学习算法进行模型超参数优化,得到目标K值以及目标欧式距离;对初始KNN模型进行模型参数更新和交叉验证,得到目标KNN模型;对数据中心机房进行实时运行状态分析,得到实时运行数据,并将实时运行数据输入目标KNN模型进行状态监控和故障预测,得到故障预测结果;根据故障预测结果进行性能评估,得到性能评估指标并进行迭代更新,输出最优KNN模型,进而提高了数据中心机房的运维管理效率和准确率。
申请人信息
- 申请人:深圳市宝腾互联科技有限公司
- 申请人地址:518000 广东省深圳市龙华新区观澜街道观澜高新园区宝德研发中心4楼401室
- 发明人: 深圳市宝腾互联科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于人工智能的运维管理方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311684358.6 |
| 申请日 | 2023/12/11 |
| 公告号 | CN117390536A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06F18/2413 |
| 权利人 | 深圳市宝腾互联科技有限公司 |
| 发明人 | 张超; 梁海栋; 李原洲 |
| 地址 | 广东省深圳市龙华新区观澜街道观澜高新园区宝德研发中心4楼401室 |
专利主权项内容
1.一种基于人工智能的运维管理方法,其特征在于,所述基于人工智能的运维管理方法包括:对数据中心机房的服务器、冷却系统及电源进行运行数据采集,得到初始运行数据,并对所述初始运行数据进行标准化处理和主成分分析,得到目标运行数据;根据所述目标运行数据对预置的KNN算法进行K值计算和欧式距离计算,得到初始K值和初始欧式距离,并根据所述初始K值和所述初始欧式距离构建所述数据中心机房的初始KNN模型;通过预置的深度强化学习算法,根据预置的奖励函数对所述初始KNN模型进行模型超参数优化,得到目标K值以及目标欧式距离;根据所述目标K值以及所述目标欧式距离对所述初始KNN模型进行模型参数更新和交叉验证,得到目标KNN模型;对所述数据中心机房的服务器、冷却系统及电源进行实时运行状态分析,得到实时运行数据,并将所述实时运行数据输入所述目标KNN模型进行状态监控和故障预测,得到故障预测结果;根据所述故障预测结果,对所述目标KNN模型进行性能评估,得到性能评估指标,并根据所述性能评估指标对所述目标KNN模型进行迭代更新,输出最优KNN模型。