科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对提升典型软件系统故障模型预测能力的需求,依据人工智能常见分析框架(抽样—特征提取—训练—调优),提出一种基于机器学习和深度学习的典型软件系统故障预测方法。构建故障仿真模型,依据故障仿真实验采集故障数据;开展基于机器学习算法的特征工程研究,提取出导致软件系统故障的关键特征;训练基于神经网络LSTM的时间序列预测模型,用于预测系统将来某个时刻的特征指标值,并将预测值传递给基于随机森林、朴素贝叶斯的分类模型,用于分类判定系统在将来某个时刻是否会产生某类故障,从而将模型组合用于故障预测。结果表明,仿真方法具备简单、高效的特点,能大量收集模拟故障数据,而基于模拟数据训练的预测和分类模型,能很好地对软...
- 单位
