在后的监控周期 的实际业务变化率，记为向量B。
[0057] 第三计算向量B与1的差平方，记为向量C。
[005引第四，将向量A和向量C中相应的项组成矩阵U，例如下表1所示。
[0059] 表1向量A和向量C所组成的矩阵U
[0060]
[0061] 第五，按照向量A从小到大的顺序对矩阵U进行排序，从而得到矩阵V，例如下表2 所示。
[0062] 表2矩阵U排序所得到的矩阵V
[0063]
[0064] 第六，将预定大小的滑动窗口沿着矩阵V进行滑动，在滑动过程中，依次确定滑动 窗口内的最大值并将其组成矩阵W。例如，在该滑动窗口能够覆盖上表2中的连续3行的情 况下，矩阵W如下表3所示。
[006引 表3矩阵W
[0066]
[0067] 第走，假设函数f (X)是底数为欧拉数e的指数函数（即f (X) = ae bx)或者是幕 函数（即f(x) =axb+c) W对矩阵W进行拟合，从而得到函数f(x)作为离线训练系统的输 出。
[0068] 在送一具体实施例中，当在线监控阶段启动时，载入离线训练系统所输出的函数 f (X)。然后，如上所述，根据上一监控周期的实际业务量X，计算当前监控周期的业务量范围 [X-Xf (X)，x+xf (X)]。下面参照表4来描述针对送一具体实施例的计算示例。
[0069] 表4实际业务量与业务量范围的对应关系表
[0070]
[0071] 例如，当在线监控阶段启动时，如果上一监控周期的业务量为400,郝么当前监控 周期的业务量范围为；[400*0. 841385,400*1. 15861引。
[0072] 然后，采集当前监控周期的实际业务量X'并且与该业务量范围进行比较。如果X' 在该业务量范围内，则识别为正常情况，否则识别为业务异常并且发出报警，从而提醒报警 值班人员及时响应。
[0073] 另外，本发明的实施例还提供了一种离线训练方法。该方法与上述方法的区别在 于，基于该段时间中的上一监控周期W前的第H监控周期和第四监控周期的实际业务量， 确定第四监控周期的实际业务变化率，W及确定第H监控周期的另一实际业务量与第四监 控周期的实际业务变化率之间的第二关联关系。其中，对于第H监控周期的另一实际业务 量，可W是与实际业务量相关的另一实际业务量。例如，当实际业务量是提交订单数时，另 一实际业务量可W是在线人数、实现成交数等等。
[0074] 图4是图示了根据本发明的实施例的基于历史数据的业务异常监控设备的结构 框图。如图4所示，该业务异常监控设备包括第一确定装置402,用于基于一段时间的历史 数据，确定当前监控周期的业务量范围；W及识别装置404,用于在所述当前监控周期的实 际业务量超出所述业务量范围时，将当前监控周期识别为业务异常。
[00巧]根据本发明的一个实施例，该第一确定装置包括；第一确定单元，用于基于该段时 间中的上一监控周期的实际业务量，确定该当前监控周期的预测业务变化量；W及第二确 定单元，用于基于该上一监控周期的实际业务量W及该预测业务变化量，确定该业务量范 围。
[0076] 根据本发明的一个实施例，该第二确定单元包括；第一确定子单元，用于将该业务 量范围的上限确定为该上一监控周期的实际业务量与该预测业务变化量的和；W及第二确 定子单元，用于将该业务量范围的下限确定为该上一监控周期的实际业务量与该预测业务 变化量的差。
[0077] 根据本发明的一个实施例，该第一确定单元包括：第H确定子单元，用于基于该上 一监控周期的实际业务量，确定该当前监控周期的预测业务变化率；W及第四确定子单元， 用于基于该上一监控周期的实际业务量和该预测业务变化率，确定该当前监控周期的预测 业务变化量。
[0078] 根据本发明的一个实施例，该业务异常监控设备还包括；第二确定装置，用于基于 该段时间中的上一监控周期W前的第一监控周期和第二监控周期的实际业务量，确定该第 二监控周期的实际业务变化率；W及第H确定装置，用于确定该第一监控周期的实际业务 量与该第二监控周期的实际业务变化率之间的第一关联关系；其中该第H确定子单元基于 该上一监控周期的实际业务量W及该第一关联关系，确定该预测业务变化率。
[0079] 根据本发明的一个实施例，该第二确定装置包括：第H确定单元，用于将该第二监 控周期的实际业务变化率确定为该第二监控周期的实际业务量与该第一监控周期的实际 业务量的商或者差。
[0080] 根据本发明的一个实施例，该第H确定装置包括；第四确定单元，用于确定W该第 一监控周期的实际业务量作为自变量、W该第二监控周期的实际业务变化率作为因变量的 函数，该函数在[0, + °° )是收敛的。
[0081] 根据本发明的一个实施例，该第四确定单元用于确定包括如下所有离散点的包络 线作为该函数所对应的曲线：该所有离散点中的每个离散点分别对应于该第一监控周期的 实际业务量和该第二监控周期的实际业务变化率。
[0082] 根据本发明的一个实施例，该所有离散点中的每个离散点的横坐标分别是该第一 监控周期的实际业务量，该所有离散点中的每个离散点的纵坐标分别是该第二监控周期的 实际业务变化率与1的差平方。
[0083] 根据本发明的一个实施例，该第四确定单元用于确定对如下离散点的拟合线作为 该函数所对应的曲线：该离散点对应于该第一监控周期的实际业务量和该第二监控周期的 实际业务变化率；W及在预定大小的滑动窗口的滑动过程中，该第二监控周期的实际业务 变化率是与该滑动窗口中的所有离散点中的每个离散点分别对应的监控周期的实际业务 变化率中的最大值。
[0084] 根据本发明的一个实施例，该离散点的横坐标是该第一监控周期的实际业务量， 该离散点的纵坐标是该第二监控周期的实际业务变化率与1的差平方。
[0085] 根据本发明的一个实施例，该函数是底数为欧拉数e的指数函数或者是幕函数。
[0086] 根据本发明的一个实施例，该业务异常监控设备还包括；第四确定装置，用于基于 该段时间中的该上一监控周期W前的第H监控周期和第四监控周期的实际业务量，确定该 第四监控周期的实际业务变化率；W及第五确定装置，用于确定该第H监控周期的另一实 际业务量与该第四监控周期的实际业务变化率之间的第二关联关系；其中该第H确定子单 元基于该上一监控周期的实际业务量W及该第二关联关系，确定该预测业务变化率。
[0087] 根据本发明的一个实施例，该第五确定装置包括；第五确定单元，用于确定W该第 H监控周期的另一实际业务量作为自变量、W该第四监控周期的实际业务变化率作为因变 量的函数，该函数在[0, + -)是收敛的。
[0088] 综上所述，根据本发明上述实施例，根据历史数据来确定当前监控周期的实际业 务量所允许波动的范围，因此该范围能够根据历史数据来相应变化，从而能够良好适应业 务量在高峰、平峰和低谷时的波动。
[0089] 显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可W用通用 的计算装置来实现，它们可W集中在单个的计算装置上，或者分布在多个计算装置所组成 的网络上，可选地，它们可W用计算装置可执行的程序代码来实现，从而可W将它们存储在 存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中 的多个模块或步骤制作成单个集成电路模块来实现。送样，本发明不限制于任何特定的硬 件和软件结合。
[0090] W上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技 术人员来说，本发明可W有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于历史数据的业务异常监控方法，包括： 基于一段时间的历史数据，确定当前监控周期的业务量范围；以及 在所述当前监控周期的实际业务量超出所述业务量范围时，将所述当前监控周期识别 为业务异常。2. 根据权利要求1所述的业务异常监控方法，其中基于一段时间的历史数据，确定当 前监控周期的业务量范围包括： 基于所述一段时间中的上一监控周期的实际业务量，确定所述当前监控周期的预测业 务变化量；以及 基于所述上一监控周期的实际业务量以及所述预测业务变化量，确定所述业务量范 围。3. 根据权利要求2所述的业务异常监控方法，其中基于所述上一监控周期的实际业务 量与所述预测业务变化量，确定所述业务量范围包括： 将所述业务量范围的上限确定为所述上一监控周期的实际业务量与所述预测业务变 化量的和；以及 将所述业务量范围的下限确定为所述上一监控周期的实际业务量与所述预测业务变 化量的差。4. 根据权利要求2所述的业务异常监控方法，其中基于所述一段时间中的上一监控周 期的实际业务量，确定所述当前监控周期的预测业务变化量包括： 基于所