买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽八度量子科技有限公司申请的专利基于深度学习的分布式数据中心运维故障预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120011118B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510032178.2，技术领域涉及：G06F11/07；该发明授权基于深度学习的分布式数据中心运维故障预测方法是由汪冕设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于深度学习的分布式数据中心运维故障预测方法在说明书摘要公布了：本发明公开了基于深度学习的分布式数据中心运维故障预测方法，本发明涉及数据中心技术领域，解决了分布式节点与运维故障相关的参数存在多组，若只是单项分析，会导致分析进程不够全面，无法达到更好的预测准确度的问题，本发明在确定的分析时段内，通过对多项参数的数值分析，利用精准的公式计算参数变化差值、预测参数区间以及负载率区间。这种基于数据驱动的预测方法，充分考虑了参数的动态变化特性，能够提前预测节点的负载情况，及时生成即将负载信号并展示，助力运维人员提前规划应对策略，有效降低因负载过高导致的服务中断风险。

本发明授权基于深度学习的分布式数据中心运维故障预测方法在权利要求书中公布了：1.基于深度学习的分布式数据中心运维故障预测方法，其特征在于，包括以下步骤： 步骤一、对分布式数据中心内若干个不同分布式节点的磁盘响应时间进行监测，并基于实时监测的磁盘响应时间，标定响应异常节点； 步骤二、对所标定的异常节点进行多项参数监测，所监测的多项参数包括读写速率参数、CPU使用率参数以及内存占用率参数，基于多项参数的实时监测进程，选定异常监测项，并基于所选定的异常监测项确认分析时段； 步骤三、基于所确定的分析时段，对分析时段内实时监测的多项参数进行数值分析，根据不同监测项不同监测参数的变化趋势，确认对应监测项在下一时刻所关联的预测参数，并基于不同监测项所确认的不同预测参数，进行负载预测，并基于预测结果确认即将负载信号，具体子步骤为： S31、对分析时段内不同监测项所关联的不同监测参数进行实时确认，并将实时确认的不同监测参数标定为CSk-t和CSk-（t-1），k代表不同监测项，其中t代表当前时刻，（t-1）代表上一时刻，采用：CZk-t=CSk-t-CSk-（t-1）确认当前时刻所关联的监测参数的变化差值CZk-t； S32、对分析时段内不同监测项实时产生的多组变化差值CZk-t进行确认，锁定CZk-tmin以及CZk-tmax确认差值区间，基于当前所确认的监测参数CSk-t以及所确定的差值区间，预测下一时刻所关联的监测参数区间，采用：QSkmin=CSk-t+差值区间最小值以及QSkmax=CSk-t+差值区间最大值，基于所确认的QSkmin以及QSkmax生成对应监测项下一时刻所关联的监测参数区间； S33、基于不同监测项所预测的关于下一时刻的监测参数区间[QSkmin，QSkmax]，采用：FZkmin=QSkmin×Ak以及FZkmax=QSkmax×Ak确认当前监测项在下一时刻所关联的负载率区间[FZkmin，FZkmax]，其中Ak为对应监测项所关联的预设因子； S34、将不同监测项所预测的不同负载率区间进行求和，确认总负载率区间[FZmin，FZmax]，将所确认的总负载率区间[FZmin，FZmax]进行核对： 从总负载率区间内确认是否存在超出90％的部分区间段，若存在，则确认部分区间段位于总负载率区间的具体占比值ZB，若ZB＜Y1，其中Y1为预设值，则持续监测并进行具体占比值的确认，若ZB≥Y1，则生成即将负载信号，并将所生成的即将负载信号进行展示； 步骤四、基于所确认的即将负载信号，对响应异常节点进行丢包率测试，基于测试结果对响应异常节点进行故障预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽八度量子科技有限公司，其通讯地址为：230051 安徽省合肥市包河区淝河镇龙川路99号中国视界产业园A3幢105-06；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。