TSDataPredict

时序数据预测模型

实验节点

1. 采集生产环境的真实数据，包括系统指标和故障事件。
2. 建立模型，通过 t-n 时刻的多种类的系统指标，去预测 t+n 时刻的系统指标（回归），且预测 t+n 时刻的故障事件（分类）。
3. 在建立模型时，记录预测的故障事件与多种类的系统指标的注意力信息，可以得出不同种类的故障事件与指标之间的关联性。增加预测故障事件的可解释性。
4. 使用准确率、召回率、F1分数等指标评估分类模型的性能。

创新点

1. 提出一种可泛化的故障预测模型。
2. 通过分析注意力可得到故障事件和系统指标的关联性。可以在故障预测时做出一定的可解释性。
3. 从真实场景获取数据集。

预期结果

预期提出一种结合了预测与异常检测的IT系统监控方法，该方法能够在故障发生前提供预警，提高系统的可靠性和稳定性。