基于动态图表示的设备故障推理预测方法

高效的设备运维可以保障设备的正常运行。然而,随着设备复杂程度越来越高,设备的维护和故障排查的复杂度和难度也不断增加。因此,人工方式越来越不能满足智能化设备的运维需要。智能运维将人工智能等新兴技术运用于运维过程,可以作为设备运维的有力支撑。但现有的很多方法依旧存在着未考虑动态性等不足。针对上述问题,提出了一种基于动态知识图谱表示学习的设备故障推理预测方法,用于预测目标设备是否与故障设备存在潜在的关联。该方法结合动态知识图谱表示学习和图表示推理模型,可以利用实时数据更新图网络,并运用图表示推理模型对新的故障数据进行推理。首先,使用动态知识图谱来表示设备运维数据,记录设备随时间的演化过程,从而有效地表达设备之间关系的动态变化性;然后,通过表示学习获得动态知识图谱中源故障设备和目标设备的时间感知表示;最后,将时间感知表示作为输入进行故障推理预测,判断设备之间是否存在潜在的关联。预测结果可以辅助运维人员解决相应的设备故障问题。在多个数据集上进行了实验,验证了所提方法的有效性。