一种基于关联规则与深度学习集成模型的应用系统故障预测方法

专利主权项内容

1.一种基于关联规则与深度学习集成模型的应用系统故障预测方法，其特征在于，包括以下步骤：收集应用系统的历史故障数据，所述历史故障数据包括故障发生时间、故障类型、故障原因、故障持续时间、故障影响范围；对收集到的历史故障数据进行数据预处理得到数据矩阵，然后转化为适合关联规则算法和深度学习算法进行分析的数据形式；对数据矩阵进行特征提取，获取与故障相关的有效特征；基于关联规则算法从历史故障数据中挖掘频繁项集和关联规则，通过建立强关联规则揭示出潜在的故障原因和模式，得到关联规则模型；基于深度学习算法和提取的与故障相关的有效特征，捕捉故障数据中的时序关系和时序模式，建立深度学习LSTM模型；基于关联规则模型和深度学习LSTM模型，使用多层决策树集成学习方法，将关联规则模型和深度学习LSTM模型的输出进行融合形成多层决策树模型；结合关联规则模型、深度学习LSTM模型、多层决策树模型和当前应用系统的状态数据对故障进行预测，通过加权投票融合关联规则模型、深度学习LSTM模型和多层决策树模型的预测结果，得到故障预测结果。