本公开涉及5g网络以及网络监控，尤其涉及一种业务异常的确定方法及装置。
背景技术：
1、相关技术中，针对5g专网对象进行用户感知异常识别时，其输入的数据，由于http请求成功率等指标具有其自身的时序分布特点，直接按时间聚合计算均值，容易丢失这部分的信息，不能反映该时间范围内指标的时序分布及变化特点。且5g专网对象随着时间推移、外部环境变化，用户感知异常的标准会发生变化，现有技术的检测方法并未考虑各种影响指标取值的因素，过于机械单一，不能反映该时间范围内指标的时序分布及变化特点，致使用户感知异常识别准确率较低。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种业务异常的确定方法及装置、设备及介质，有效解决了现有技术中检测方法并未考虑各种影响指标取值的因素，过于机械单一，不能反映该时间范围内指标的时序分布及变化特点，致使用户感知异常识别准确率较低的技术问题。
2、第一方面，本公开实施例提供了一种业务异常的确定方法，方法包括：
3、基于待检测业务所对应的多个感知指标，获取业务在一段时间内的业务数据；
4、利用业务数据确定业务的异常点，每个异常点对应一个感知指标；
5、通过异常点和每个异常点对应的感知指标，确定异常点的业务异常原因。
6、在一种可能实施的方式中，本发明实施例提供的方法中，基于待检测业务所对应的多个感知指标，获取业务在一段时间内的业务数据，包括：
7、根据待检测业务的业务类型确定业务对应的多个感知指标；
8、基于多个感知指标，获取业务中对应每个感知指标在一段时间内的业务数据。
9、在一种可能实施的方式中，本发明实施例提供的方法中，利用业务数据确定业务的异常点，包括：
10、利用多个感知指标和每个感知指标对应的业务数据，得到业务的多个时序特征信息；
11、基于多个时序特征信息确定业务对应的多个异常点。
12、在一种可能实施的方式中，本发明实施例提供的方法中，利用多个感知指标和每个感知指标对应的业务数据，得到业务的多个时序特征信息，包括：
13、利用每个感知指标对应的业务数据训练循环神经网络模型；
14、获取循环神经网络模型输出的多个时序特征信息。
15、在一种可能实施的方式中，本发明实施例提供的方法中，利用每个感知指标对应的业务数据训练循环神经网络模型，包括：
16、以预设时长为时间间隔，从业务数据中选出每个感知指标对应的数据序列，其中，数据序列上的每两个相邻数据的时间间隔为预设时长；
17、以任意连续个预设数值中末序的数据为输出值，连续个预设数值中的其他数据为输入，训练循环神经网络模型。
18、在一种可能实施的方式中，本发明实施例提供的方法中，基于多个时序特征信息确定业务对应的多个异常点之后，方法还包括：
19、基于业务的历史业务数据，确定每个异常点的异常状况。
20、在一种可能实施的方式中，本发明实施例提供的方法中，通过异常点和每个异常点对应的感知指标，确定异常点的业务异常原因，包括：
21、通过异常点、每个异常点对应的感知指标和每个异常点的异常状况，确定异常点的业务异常原因。
22、第二方面，本公开实施例提供了一种业务异常的确定装置，装置包括：
23、获取单元，用于基于待检测业务所对应的多个感知指标，获取业务在一段时间内的业务数据；
24、确定单元，用于利用业务数据确定业务的异常点，每个异常点对应一个感知指标；
25、处理单元，用于通过异常点和每个异常点对应的感知指标，确定异常点的业务异常原因。
26、在一种可能实施的方式中，本发明实施例提供的装置中，获取单元具体用于：
27、根据待检测业务的业务类型确定业务对应的多个感知指标；
28、基于多个感知指标，获取业务中对应每个感知指标在一段时间内的业务数据。
29、在一种可能实施的方式中，本发明实施例提供的装置中，确定单元具体用于：
30、利用多个感知指标和每个感知指标对应的业务数据，得到业务的多个时序特征信息；
31、基于多个时序特征信息确定业务对应的多个异常点。
32、在一种可能实施的方式中，本发明实施例提供的装置中，确定单元具体用于：
33、利用每个感知指标对应的业务数据训练循环神经网络模型；
34、获取循环神经网络模型输出的多个时序特征信息。
35、在一种可能实施的方式中，本发明实施例提供的装置中，确定单元具体用于：
36、以预设时长为时间间隔，从业务数据中选出每个感知指标对应的数据序列，其中，数据序列上的每两个相邻数据的时间间隔为预设时长；
37、以任意连续个预设数值中末序的数据为输出值，连续个预设数值中的其他数据为输入，训练循环神经网络模型。
38、在一种可能实施的方式中，本发明实施例提供的装置中，确定单元还用于：
39、基于业务的历史业务数据，确定每个异常点的异常状况。
40、在一种可能实施的方式中，本发明实施例提供的装置中，处理单元具体用于：
41、通过异常点、每个异常点对应的感知指标和每个异常点的异常状况，确定异常点的业务异常原因。
42、第三方面，本公开实施例提供了一种电子设备，包括：
43、存储器；
44、处理器；以及
45、计算机程序；
46、其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如上述的业务异常的确定方法。
47、第四方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的业务异常的确定方法的步骤。
48、本公开实施例提供了一种业务异常的确定方法，包括：
49、首先基于待检测业务所对应的多个感知指标，获取业务在一段时间内的业务数据，然后利用业务数据确定业务的异常点，每个异常点对应一个感知指标，最后通过异常点和每个异常点对应的感知指标，确定异常点的业务异常原因，本公开提供的方法通过对业务数据从多个感知指标检测异常，并根据感知指标与异常点分析异常原因，最大程度的保留了业务数据丰富的时序分布特征，提升了异常检测的精度。
1.一种业务异常的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的业务异常的确定方法，其特征在于，所述基于待检测业务所对应的多个感知指标，获取所述业务在一段时间内的业务数据，包括：
3.根据权利要求2所述的业务异常的确定方法，其特征在于，所述利用所述业务数据确定所述业务的异常点，包括：
4.根据权利要求3所述的业务异常的确定方法，其特征在于，所述利用多个所述感知指标和每个所述感知指标对应的业务数据，得到所述业务的多个时序特征信息，包括：
5.根据权利要求4所述的业务异常的确定方法，其特征在于，所述利用每个所述感知指标对应的业务数据训练循环神经网络模型，包括：
6.根据权利要求5所述的业务异常的确定方法，其特征在于，所述基于所述多个时序特征信息确定所述业务对应的多个异常点之后，所述方法还包括：
7.根据权利要求6所述的业务异常的确定方法，其特征在于，所述通过所述异常点和每个所述异常点对应的感知指标，确定所述异常点的业务异常原因，包括：
8.一种业务异常的确定装置，其特征在于，所述装置包括：
9.一种业务异常的确定设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的空调外机的散热处理方法。
