基于日志文件的在线系统失效预测
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 失效预测的研究 | 第11页 |
| 1.2.2 在线失效预测的研究 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 2 预备知识 | 第14-22页 |
| 2.1 模糊理论 | 第14-16页 |
| 2.1.1 模糊集合 | 第14-15页 |
| 2.1.2 隶属函数 | 第15-16页 |
| 2.2 模糊规则的提取 | 第16-17页 |
| 2.3 ARIMA模型 | 第17-19页 |
| 2.3.1 数据平稳化 | 第17-18页 |
| 2.3.2 模型定阶和参数估计 | 第18页 |
| 2.3.3 时间序列预测 | 第18-19页 |
| 2.4 软件失效预测 | 第19-21页 |
| 2.4.1 软件失效的定义 | 第19-20页 |
| 2.4.2 在线失效预测原理 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 需求分析与日志数据分析 | 第22-27页 |
| 3.1 系统的需求文档 | 第22-23页 |
| 3.2 变量影响关系图 | 第23-25页 |
| 3.3 变量数据提取 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 建立模糊规则库 | 第27-34页 |
| 4.1 选取待预测变量及其影响关系 | 第27-29页 |
| 4.2 基于改进的WM算法生成模糊规则 | 第29-33页 |
| 4.2.1 样本数据标准化 | 第29-31页 |
| 4.2.2 模糊划分和数据模糊化 | 第31页 |
| 4.2.3 生成模糊规则库 | 第31-33页 |
| 4.3 本章小结 | 第33-34页 |
| 5 基于模糊规则的失效预测 | 第34-40页 |
| 5.1 变量的时间序列预测 | 第34-36页 |
| 5.1.1 平稳性检验 | 第34-35页 |
| 5.1.2 模型定阶与参数估计 | 第35页 |
| 5.1.3 ARIMA模型时间序列预测 | 第35-36页 |
| 5.2 模糊预测 | 第36-38页 |
| 5.2.1 模糊推理 | 第36-37页 |
| 5.2.2 去模糊化 | 第37-38页 |
| 5.3 系统失效预测 | 第38-39页 |
| 5.4 本章小结 | 第39-40页 |
| 6 实例分析：卡斯柯轨道交通系统 | 第40-51页 |
| 6.1 变量影响关系选取 | 第40-42页 |
| 6.2 提取模糊规则 | 第42-43页 |
| 6.3 失效行为预测 | 第43-48页 |
| 6.4 结果评估 | 第48-50页 |
| 6.5 本章小结 | 第50-51页 |
| 7 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录A | 第56-59页 |
| 附录B | 第59-60页 |
| 攻读硕士学位期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
