一种平台故障预测方法、系统、设备和可读存储介质与流程

1.本发明涉及数据处理及数字医疗技术领域，具体涉及一种平台故障预测方法、系统、设备和可读存储介质。


背景技术：

2.如今，互联网平台已经走入每一个人的生活，改变了人们生活娱乐方式。随着互联网产品的不断迭代，难以避免的将一些系统缺陷带入到生产环境中，造成用户使用的问题，严重的还可能给企业带来资金损失。2021年12月20日，西安市“一码通”因为访问量过大导致系统崩溃。2021年11月19日，特斯拉app发生全球规模中断，用户无法打开车门或者启动汽车，故障时长达到5小时。在社保平台和一些医疗系统的日常使用过程中，由于多种原因导致平台或系统出现故障中断，影响用户正常使用。
3.现有的平台故障预测主要靠平台开发人员的经验判断，依靠开发人员轮流值班来在故障发生后及时止损，这样的做法效率低且成本高。
4.因此基于目标平台或者系统可能发生的故障进行预测和故障分析，防患于未然，是急需解决的问题。


技术实现要素：

5.基于此，本技术实施例提供一种平台故障预测方法、系统、设备和可读存储介质，对平台历史数据进行分析，对故障进行分类和模型预测，从而更高效准确的进行平台故障预测。
6.为了实现上述目的，本技术实施例提供如下技术方案：
7.根据本技术实施例的第一方面，提供了一种平台故障预测方法，所述方法包括：
8.获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；
9.根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；
10.根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；
11.基于所述故障预测模型预测所述目标需求的故障数据。
12.可选地，所述平台故障预测请求还携带设定时间范围；
13.根据所述平台故障预测请求获取需求数据和故障数据，包括：
14.基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数包括平台需求发布总数和平台所属企业需求发布总数；所述故障总数包括平台故障总数和平台所属企业故障总数；所述故障标准值包括平台故障标准值和平台所属企业故障标准值。
15.可选地，所述根据需求数据和故障数据计算故障频率，包括：
16.根据所述平台所属企业故障标准值和平台所属企业需求发布总数计算企业故障频率；
17.根据所述平台故障标准值和平台需求发布总数计算平台的故障频率。
18.可选地，所述故障分类包括无故障类型和故障类型；
19.所述根据故障频率和需求数据进行故障分类，包括：
20.获取设定时间范围内未发生故障平台的发布需求中位数；
21.根据所述发布需求中位数和需求数据确定无故障类型；
22.根据所述故障频率和设定频率阈值确定故障类型。
23.可选地，在所述根据分类后的故障类型建立平台故障预测模型之前，所述方法还包括：
24.根据所述需求数据计算平台需求占比；
25.根据所述平台需求占比和故障分类进行平台故障排序。
26.可选地，根据分类后的故障类型建立平台故障预测模型，包括：
27.根据分类后的故障类型提取对应的故障特征；
28.根据分类后的故障特征进行平台故障预测模型的训练，得到训练后的平台故障预测模型。
29.可选地，所述方法还包括：
30.根据平台故障总数和平台所属企业故障总数、平台故障总数和平台所属企业故障总数、故障类型、平台故障和所述目标需求的故障数据进行前端渲染显示。
31.根据本技术实施例的第二方面，提供了一种平台故障预测系统，所述系统包括：
32.消息接收模块，用于获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；
33.故障数据计算模块，用于根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；
34.故障预测模块，用于根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；
35.故障数据确定模块，用于基于所述故障预测模型预测所述目标需求的故障数据。
36.根据本技术实施例的第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
37.根据本技术实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
38.综上所述，本技术实施例提供一种平台故障预测方法、系统、设备和可读存储介质，通过获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；基于所述故障预测模型预测所述目标需求的故障数据。对平台历史数据进行分析，对故障进行分类和模型预测，从而更高效准确的进行平台故障预测。
附图说明
39.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
40.本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
41.图1为本技术实施例提供的一种平台故障预测方法流程示意图；
42.图2为本技术实施例提供的另一种平台故障计算方法流程示意图；
43.图3为本技术实施例提供的平台故障计算流程示意图；
44.图4为本技术实施例提供的另一平台故障预测流程示意图；
45.图5为本技术实施例提供的一种平台故障预测系统框图；
46.图6示出了本技术实施例提供的一种电子设备的结构示意图；
47.图7示出了本技术实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
48.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
49.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
50.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.图1示出了本技术实施例提供的平台故障预测方法，所述方法包括：
52.步骤101：获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；
53.步骤102：根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；
54.步骤103：根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；
55.步骤104：基于所述故障预测模型预测所述目标需求的故障数据。
56.在一种可能的实施方式中，所述平台故障预测请求还携带设定时间范围；在步骤102中，根据所述平台故障预测请求获取需求数据和故障数据，包括：
57.基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数
包括平台需求发布总数和平台所属企业需求发布总数；所述故障总数包括平台故障总数和平台所属企业故障总数；所述故障标准值包括平台故障标准值和平台所属企业故障标准值。
58.在一种可能的实施方式中，在步骤102所述根据需求数据和故障数据计算故障频率，包括：
59.根据所述平台所属企业故障标准值和平台所属企业需求发布总数计算企业故障频率；根据所述平台故障标准值和平台需求发布总数计算平台的故障频率。
60.在一种可能的实施方式中，在步骤103，所述故障分类包括无故障类型和故障类型；根据故障频率和需求数据进行故障分类，包括：
61.获取设定时间范围内未发生故障平台的发布需求中位数；根据所述发布需求中位数和需求数据确定无故障类型；根据所述故障频率确定故障类型。
62.在一种可能的实施方式中，在所述根据分类后的故障类型建立平台故障预测模型之前，所述方法还包括：
63.根据所述需求数据计算平台需求占比；根据所述平台需求占比和故障分类进行平台故障排序。
64.在一种可能的实施方式中，根据分类后的故障类型建立平台故障预测模型，包括：
65.根据分类后的故障类型提取对应的故障特征；根据分类后的故障特征进行平台故障预测模型的训练，得到训练后的平台故障预测模型。
66.在一种可能的实施方式中，所述方法还包括：根据平台故障总数和平台所属企业故障总数、平台故障总数和平台所属企业故障总数、故障类型、平台故障和所述目标需求的故障数据进行前端渲染显示。
67.现有技术中针对平台或系统故障的发生，缺少统一的评估方式，各个开发团队的整体系统故障情况横向比较导致缺乏客观依据；同时，也缺少比较直观的可视化展示，无法达到警示的作用。因此本技术实施例提供的平台故障预测方法，对平台历史数据进行分析，对故障进行分类和模型预测，从而更高效准确的进行平台故障预测。
68.本技术实施例还可以运用于app的故障预测中，图2示出了本技术实施例提供的另一个app故障预测方法流程示意图：
69.步骤201：获取用户设备发送的app故障预测请求；所述app故障预测请求携带目标需求和设定时间范围；
70.步骤202：根据所述app所属企业故障标准值和app所属企业需求发布总数计算企业故障频率；根据所述app故障标准值和app需求发布总数计算app故障频率；
71.步骤203：根据需求数据和故障数据计算故障频率；
72.步骤204：获取设定时间范围内未发生故障app的发布需求中位数；根据所述发布需求中位数和需求数据确定无故障类型；根据所述故障频率确定故障类型；
73.步骤205：根据所述需求数据计算app需求占比；根据所述app需求占比和故障分类进行app故障排序；
74.步骤206：根据分类后的故障类型建立app故障预测模型；
75.步骤207：基于所述故障预测模型预测所述目标需求的故障数据。
76.步骤208：根据app故障总数和app所属企业故障总数、app故障总数和app所属企业
故障总数、故障类型、app故障和所述目标需求的故障数据进行前端渲染显示。
77.在一种可能的实施方式中，根据所述app故障预测请求获取需求数据和故障数据，包括：
78.基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数包括app需求发布总数和app所属企业需求发布总数；所述故障总数包括app故障总数和app所属企业故障总数；所述故障标准值包括app故障标准值和app所属企业故障标准值。
79.在一种可能的实施方式中，根据分类后的故障类型建立app故障预测模型，包括：
80.根据分类后的故障类型提取对应的故障特征；根据分类后的故障特征进行app故障预测模型的训练，得到训练后的app故障预测模型。
81.图3示出了本技术实施例提供的方法应用到企业平台时进行故障情况预测的流程示意图。通过故障定级、故障分、故障数量、需求发布数量等，计算需求故障分值；并且，也可将各项数据进行了可视化展示，方便公司内部了解到故障的整体情况，辅助警示作用。
82.步骤1：进入页面，用户可以通过页面选择需要查询的目标时间和对象；所述目标时间包括年份、月份；对象包括平台、个人；
83.步骤2：系统通过接口获取目标时间的产品需求发布总数、故障总数和总故障分；其中，企业和平台的产品需求发布总次数prtotle0和prtotle1，企业和平台的故障总数failuretotle0和failuretotle1，企业和平台的故障总分failurepoint0和failurepoint1；
84.步骤3：计算企业需求故障分比＝企业故障总分/企业需求发布总数；rate0＝failurepoint0/prtotle0；
85.计算平台需求故障分比＝平台故障总分/平台需求发布总数；rate1＝failurepoint1/prtotle1；
86.步骤4：计算未发生故障平台的发布需求的中位数prmedian；
87.步骤5：通过企业需求故障分比和平台需求故障分比，以及需求发布总数进行类型划分；
88.情况一：平台本月没有发生故障
89.a:平台需求发布总数prtotle1》prmedian,类型确定为第一类型；
90.b:平台需求发布总数prtotle1《prmedian,类型确定为第二类型；
91.情况二：平台本月发生了故障
92.c:平台需求故障分比rate1》rate0,类型确定为第三类型；
93.d:平台需求故障分比rate1《rate0,类型确定为第四类型；
94.步骤6：计算平台需求占比＝平台需求发布总数/企业需求发布总数；ratio＝prtotle1/prtotle0；
95.步骤7：通过各平台的类型、以及发布的需求数量，进行平台之间的排名；其中，类型相同的，再通过比较平台需求占比ratio进行先后排名，占比越高的排名越靠前；
96.步骤8：将平台故障数量failuretotle1、故障分failurepoint1、类型和排名进行前端渲染。
97.在本技术实施例中，需要计算未发生故障平台的发布需求的中位数prmedian。中
位数是指将数据按大小顺序排列起来，形成一个数列，居于数列中间位置的那个数据。从中位数的定义可知，所研究的数据中有一半小于中位数，一半大于中位数。中位数的作用与算术平均数相近，也是作为所研究数据的代表值。在一个等差数列或一个正态分布数列中，中位数就等于算术平均数。在统计数据的处理和分析时，可结合使用中位数。
98.医疗平台一旦故障，将会导致整个该医疗平台的工作流程终止，可能会对患者和医生造成极大的不便。图4示出了本技术实施例提供的医疗平台故障预测流程，可以协助预测医疗平台故障，包括如下步骤：
99.步骤401：获取用户设备发送的医疗平台故障预测请求；所述医疗平台故障预测请求携带目标需求和设定时间范围；
100.步骤402：根据所述医疗平台故障预测请求获取需求数据和故障数据，并根据需求数据和故障数据计算故障频率；
101.步骤403：根据故障频率和需求数据进行故障分类；
102.步骤404：根据所述需求数据计算医疗平台需求占比；根据所述医疗平台需求占比和故障分类进行医疗平台故障排序。
103.步骤405：根据分类后的故障类型建立医疗平台故障预测模型；
104.步骤406：基于所述故障预测模型预测所述目标需求的故障数据。
105.步骤407：根据医疗平台故障总数和医疗平台所属企业故障总数、医疗平台故障总数和医疗平台所属企业故障总数、故障类型、医疗平台故障和所述目标需求的故障数据进行前端渲染显示。
106.在一种可能的实施方式中，根据所述医疗平台故障预测请求获取需求数据和故障数据，包括：
107.基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数包括平台需求发布总数和平台所属企业需求发布总数；所述故障总数包括平台故障总数和平台所属企业故障总数；所述故障标准值包括平台故障标准值和平台所属企业故障标准值。
108.在一种可能的实施方式中，所述根据需求数据和故障数据计算故障频率，包括：
109.根据所述医疗平台所属企业故障标准值和医疗平台所属企业需求发布总数计算企业故障频率；根据所述平台故障标准值和平台需求发布总数计算平台故障频率。
110.在一种可能的实施方式中，根据故障频率和需求数据进行故障分类，包括：
111.获取设定时间范围内未发生故障平台的发布需求中位数；根据所述发布需求中位数和需求数据确定无故障类型；根据所述故障频率确定故障类型。
112.在一种可能的实施方式中，根据分类后的故障类型建立医疗平台故障预测模型，包括：
113.根据分类后的医疗故障类型提取对应的医疗故障特征；根据分类后的医疗故障特征进行平台故障预测模型的训练，得到训练后的医疗平台故障预测模型。
114.综上所述，本技术实施例提供了一种平台故障预测方法，通过获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；根据所述故障
频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；基于所述故障预测模型预测所述目标需求的故障数据。对平台历史数据进行分析，对故障进行分类和模型预测，从而更高效准确的进行平台故障预测。
115.基于相同的技术构思，本技术实施例还提供了一种平台故障预测系统，如图5所示，所述系统包括：
116.消息接收模块501，用于获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；
117.故障数据计算模块502，用于根据所述平台故障预测请求获取需求数据和故障数据，并根据需求数据和故障数据计算故障频率；
118.故障预测模块503，用于根据故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；
119.故障数据确定模块504，用于基于所述故障预测模型预测所述目标需求的故障数据。
120.可选地，所述平台故障预测请求还携带设定时间范围；
121.所述故障数据计算模块，具体用于：
122.基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数包括平台需求发布总数和平台所属企业需求发布总数；所述故障总数包括平台故障总数和平台所属企业故障总数；所述故障标准值包括平台故障标准值和平台所属企业故障标准值。
123.在一种可能的实施方式中，所述故障数据计算模块，具体用于：
124.根据所述平台所属企业故障标准值和平台所属企业需求发布总数计算企业故障频率；
125.根据所述平台故障标准值和平台需求发布总数计算平台故障频率。
126.在一种可能的实施方式中，所述故障预测模块，用于：
127.获取设定时间范围内未发生故障平台的发布需求中位数；
128.根据所述发布需求中位数和需求数据确定无故障类型；
129.根据所述故障频率确定故障类型。
130.在一种可能的实施方式中，在所述根据分类后的故障类型建立平台故障预测模型之前，所述系统还用于：
131.根据所述需求数据计算平台需求占比；
132.根据所述平台需求占比和故障分类进行平台故障排序。
133.在一种可能的实施方式中，所述故障预测模块，用于：
134.根据分类后的故障类型提取对应的故障特征；
135.根据分类后的故障特征进行平台故障预测模型的训练，得到训练后的平台故障预测模型。
136.在一种可能的实施方式中，所述系统还包括：
137.渲染模块，用于根据平台故障总数和平台所属企业故障总数、平台故障总数和平台所属企业故障总数、故障类型、平台故障和所述目标需求的故障数据进行前端渲染显示。
138.本技术实施方式还提供一种与前述实施方式所提供的方法对应的电子设备。请参考图6，其示出了本技术的一些实施方式所提供的一种电子设备的示意图。所述电子设备20可以包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本技术前述任一实施方式所提供的方法。
139.其中，存储器201可能包含高速随机存取存储器(ram：random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个物理端口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
140.总线202可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本技术实施例任一实施方式揭示的所述方法可以应用于处理器200中，或者由处理器200实现。
141.处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。
142.本技术实施例提供的电子设备与本技术实施例提供的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
143.本技术实施方式还提供一种与前述实施方式所提供的方法对应的计算机可读存储介质，请参考图7，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的方法。
144.需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
145.本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
146.需要说明的是：
147.在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要
求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
148.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
149.类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在上面对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
150.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
151.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
152.本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
153.应该注意的是上述实施例对本技术进行说明而不是对本技术进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项
来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
154.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
155.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
156.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种平台故障预测方法，其特征在于，所述方法包括：获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；根据所述平台故障预测请求获取需求数据和故障数据，并根据所述需求数据和故障数据计算故障频率；根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；基于所述故障预测模型预测所述目标需求的故障数据。2.如权利要求1所述的方法，其特征在于，所述平台故障预测请求还携带设定时间范围；根据所述平台故障预测请求获取需求数据和故障数据，包括：基于所述设定时间范围和目标需求在数据库中获取需求数据和故障数据；所述需求数据包括需求发布总数；所述故障数据包括故障总数和故障标准值；所述需求发布总数包括平台需求发布总数和平台所属企业需求发布总数；所述故障总数包括平台故障总数和平台所属企业故障总数；所述故障标准值包括平台故障标准值和平台所属企业故障标准值。3.如权利要求2所述的方法，其特征在于，所述根据需求数据和故障数据计算故障频率，包括：根据所述平台所属企业故障标准值和平台所属企业需求发布总数计算企业故障频率；根据所述平台故障标准值和平台需求发布总数计算平台的故障频率。4.如权利要求1所述的方法，其特征在于，所述故障分类包括无故障类型和故障类型；所述根据故障频率和需求数据进行故障分类，包括：获取设定时间范围内未发生故障平台的发布需求中位数；根据所述发布需求中位数和需求数据确定无故障类型；根据所述故障频率和设定频率阈值确定故障类型。5.如权利要求1所述的方法，其特征在于，在所述根据分类后的故障类型建立平台故障预测模型之前，所述方法还包括：根据所述需求数据计算平台需求占比；根据所述平台需求占比和故障分类进行平台故障排序。6.如权利要求1所述的方法，其特征在于，根据分类后的故障类型建立平台故障预测模型，包括：根据分类后的故障类型提取对应的故障特征；根据分类后的故障特征进行平台故障预测模型的训练，得到训练后的平台故障预测模型。7.如权利要求1-6所述的方法，其特征在于，所述方法还包括：根据平台故障总数和平台所属企业故障总数、平台故障总数和平台所属企业故障总数、故障类型、平台故障和所述目标需求的故障数据进行前端渲染显示。8.一种平台故障预测系统，其特征在于，所述系统包括：消息接收模块，用于获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；故障数据计算模块，用于根据所述平台故障预测请求获取需求数据和故障数据，并根
据所述需求数据和故障数据计算故障频率；故障预测模块，用于根据所述故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；故障数据确定模块，用于基于所述故障预测模型预测所述目标需求的故障数据。9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1-7任一项所述的方法。

技术总结
本发明涉及数据处理及数字医疗领域，提供了一种平台故障预测方法、系统、设备和可读存储介质，所述方法包括：获取用户设备发送的平台故障预测请求；所述平台故障预测请求携带目标需求；根据所述平台故障预测请求获取需求数据和故障数据，并根据需求数据和故障数据计算故障频率；根据故障频率和需求数据进行故障分类，根据分类后的故障类型建立平台故障预测模型；基于所述故障预测模型预测所述目标需求的故障数据。对平台历史数据进行分析，对故障进行分类和模型预测，从而更高效准确的进行平台故障预测。故障预测。故障预测。


技术研发人员：俞皓 罗锐 王明 张福军
受保护的技术使用者：康键信息技术（深圳）有限公司
技术研发日：2023.07.04
技术公布日：2023/9/22