1.一种故障预测方法,其特征在于,包括:
采集监控数据,并基于所述监控数据得到每个预测项对应的训练样本;所述训练样本的样本类型包括正常样本和故障样本;
提取所述训练样本的特征得到所述训练样本的特征向量,并基于所述训练样本的样本类型确定所述训练样本的目标向量;
利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型,利用所述预测模型对所述预测项进行故障预测。
2.根据权利要求1所述故障预测方法,其特征在于,所述采集监控数据之后,还包括:
对所述监控数据进行数据预处理操作;其中,所述数据预处理操作包括格式转换、剔除无效数据和边界越界处理中的任一项或任几项的组合。
3.根据权利要求1所述故障预测方法,其特征在于,所述基于所述监控数据得到每个预测项对应的训练样本,包括:
将所述监控数据按照所述预测项进行分类,得到每个所述预测项对应的监控数据;
选取预设时间窗口下的监控数据作为每个所述预测项的目标训练,并对所述目标监控数据进行离散化和归一化处理得到每个所述预测项对应的训练样本。
4.根据权利要求1所述故障预测方法,其特征在于,所述提取所述训练样本的特征得到所述训练样本的特征向量,包括:
提取所述训练样本的所有特征项,并剔除与所述预测项无关的特征项得到每个所述预测项对应的目标特征项;
对每个所述训练样本的所述目标特征项进行特征组合以便得到每个所述训练样本的特征向量。
5.根据权利要求1所述故障预测方法,其特征在于,利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型,包括:
对所述训练样本中的正常样本进行欠采样得到目标正常样本,对所述训练样本中的故障样本进行过采样得到目标故障样本;
利用所述目标正常样本和所述目标故障样本的所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型。
6.根据权利要求5所述故障预测方法,其特征在于,所述利用所述目标正常样本和所述目标故障样本的所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型,包括:
将所述目标正常样本和所述目标故障样本的所述特征向量和所述目标向量输入所述机器学习模型中,并利用目标算法优化所述机器学习模型的参数,以便得到所述预测模型。
7.根据权利要求1至6中任一项所述故障预测方法,其特征在于,所述机器学习模型包括随机森林、支持向量机、逻辑会话、神经网络和强化学习模型中的任几项;
所述利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型之后,还包括:
基于评估项对所有所述预测模型进行评估以便得到最佳预测模型;
相应的,利用所述预测模型对所述预测项进行故障预测,包括:
利用所述最佳预测模型对所述预测项进行故障预测。
8.一种故障预测装置,其特征在于,包括:
采集模块,用于采集监控数据,并基于所述监控数据得到每个预测项对应的训练样本;所述训练样本的样本类型包括正常样本和故障样本;
提取模块,用于提取所述训练样本的特征得到所述训练样本的特征向量,并基于所述训练样本的样本类型确定所述训练样本的目标向量;
训练模块,用于利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型,利用所述预测模型对所述预测项进行故障预测。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述故障预测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述故障预测方法的步骤。