基于聚类分析的农业SCADA服务器预警阈值提取方法

发布时间：2018-02-17 07:56

本文关键词： 服务器预警系统聚类分析阈值特征选择动态提取数据采集与监视控制系统农业　出处：《农业工程学报》2017年S1期 　论文类型：期刊论文

【摘要】：针对计算机服务器预警阈值人为设定不准确的问题,该文以某农业数据采集与监视控制系统(supervisory control and data acquisition,SCADA)中Apache服务器为研究对象,提出一种基于聚类分析提取服务器监控指标预警阈值的方法。首先对服务器运行数据与某类异常发生前的预警信息进行特征选择。在数据分布形状未知的情况下,对特征选择结果分别用K-means和CURE(clustering using representative)2种聚类算法挖掘异常发生前服务器运行状态的普遍特征,将聚类结果用于提取该类异常的预警阈值。试验表明:特征选择可提取出影响该SCADA系统中服务器性能的监控指标。对比聚类结果,CURE算法聚类质心与正常信息质心的距离范围为0.02~0.05,而K-means算法聚类质心与正常信息质心的距离范围为0.15~0.2,CURE算法提取的预警阈值更加靠近预警发生时的服务器临界状态。在实际验证中,CURE相较于K-means预警时间至少提前24 h,该文方法提取的服务器预警阈值相比人工方式能更早地发现系统潜在风险,可用于动态更新预警阈值。
[Abstract]:Aiming at the problem of artificial setting of early warning threshold of computer server, this paper studies the Apache server in the Supervisory control and data acquisition system of a certain agricultural data acquisition and control system. A method based on clustering analysis is proposed to extract the early warning threshold of server monitoring index. Firstly, the feature selection of the warning information before the server running data and a certain kind of anomaly occurs is carried out. When the data distribution shape is unknown, For feature selection results, K-means and CURE(clustering using representative)2 clustering algorithms are used to mine the common features of server running state before abnormal occurrence. The clustering result is used to extract the warning threshold of this kind of anomaly. The experiment shows that the feature selection can extract the monitoring indexes that affect the performance of the server in the SCADA system. The clustering centroid and the normal information centroid of the clustering algorithm are compared with the clustering results. The range of distance between K-means clustering centroid and normal information centroid is 0. 15 / 0. 2CURE algorithm, which is closer to the critical state of the server when the alarm occurs. In practical verification, the range of clustering centroid and normal information centroid is closer to the critical state of the server. At least 24 hours in advance, the server warning threshold extracted by this method can detect the potential risks of the system earlier than the manual approach. It can be used to update the warning threshold dynamically.
【作者单位】：中国农业大学信息与电气工程学院;
【基金】：“十二五”国家科技支撑计划课题(2015BAK04B01)
【分类号】：S126;TP311.13

【参考文献】

相关期刊论文前10条

1 许尧;胡学钢;李培培;;一种基于组策略的过滤式特征选择算法[J];计算机应用研究;2016年05期

2 Weiping Ding;Jiandong Wang;Zhijin Guan;Quan Shi;;Ensemble feature selection integrating elitist roles and quantum game model[J];Journal of Systems Engineering and Electronics;2015年03期

3 刘思尧;;基于ZABBIX的自动化巡检系统的研究与实现[J];电力信息与通信技术;2014年12期

4 张凤鹏;邱兆国;冯夏庭;;Non-complete relief method for measuring surface stresses in surrounding rocks[J];Journal of Central South University;2014年09期

5 柏晶晶;袁晓冬;张帅;王元凯;陈兵;顾伟;;基于组合赋值法的稳态电能质量预警阈值研究[J];电测与仪表;2014年12期

6 张静;;数据挖掘中聚类分析综述[J];价值工程;2014年15期

7 高国琴;李明;;基于K-means算法的温室移动机器人导航路径识别[J];农业工程学报;2014年07期

8 刘文杰;伍之昂;曹杰;潘金贵;;基于成对约束Info-Kmeans聚类的图像索引方法[J];通信学报;2013年07期

9 彭春华;刘刚;相龙阳;;基于Relief相关性特征提取和微分进化支持向量机的短期电价预测[J];电工技术学报;2013年01期

10 毛典辉;;基于MapReduce的Canopy-Kmeans改进算法[J];计算机工程与应用;2012年27期

相关期刊论文前10条

1 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

2 胡丹丹;殷欢;;基于机器视觉的玉米收获机器人路径识别[J];农机化研究;2017年12期

3 罗元成;汪应;;基于计算机视觉的棉花生长监测自主导航车辆研究[J];农机化研究;2017年12期

4 汪应;罗元成;;基于Java3D和VRML技术的采摘机械手运动仿真研究[J];农机化研究;2017年12期

5 张建军;杜莉;;基于WSN和嵌入式系统的收割机智能监测优化设计[J];农机化研究;2017年09期

6 魏婉华;牛鑫;葛蓁;刘志刚;;一种循环式微波辅助玉米干燥机设计[J];农机化研究;2017年09期

7 房亚群;谷利芬;张莉;;基于物联网农业病虫害智能监控的自动喷药机研究[J];农机化研究;2017年08期

8 孙晓文;范媛媛;刘志刚;;基于云计算技术和3D渲染的农机虚拟制造技术研究[J];农机化研究;2017年07期

9 田磊;邢鹏康;张莉;;基于PLC和光电传感控制的穴盘苗自动移栽装置设计[J];农机化研究;2017年07期

10 王新晴;孟凡杰;吕高旺;任国亭;;基于PCA-SVM准则改进区域生长的非结构化道路识别[J];计算机应用;2017年06期

【二级参考文献】

相关期刊论文前10条

1 邓杰;钱雪忠;钱恒;吴秦;;基于特征选择的统计最优样本大小算法[J];计算机应用研究;2014年12期

2 马希骜;王国胤;于洪;;决策域分布保持的启发式属性约简方法[J];软件学报;2014年08期

3 刘松;张德贤;;基于权重差异和类别关联的互信息改进研究[J];计算机应用研究;2014年07期

4 黄健;;数据集中模式下电网企业信息系统运维管理探讨[J];电子技术与软件工程;2013年16期

5 Weiping Ding;Jiandong Wang;Zhijin Guan;Quan Shi;;Enhanced minimum attribute reduction based on quantum-inspired shuffled frog leaping algorithm[J];Journal of Systems Engineering and Electronics;2013年03期

6 黄永红;柏晶晶;陈晖;;基于电流跟踪的并联混合有源滤波器单周控制[J];电测与仪表;2013年04期

7 袁挺;任永新;李伟;纪超;谭豫之;;基于光照色彩稳定性分析的温室机器人导航信息获取[J];农业机械学报;2012年10期

8 王林泓;陈学昌;;基于双密度双树小波变换的电能质量扰动识别方法[J];电测与仪表;2012年08期

9 王芳;顾伟;袁晓冬;周赣;吴志;林德清;;面向智能电网的新一代电能质量管理平台[J];电力自动化设备;2012年07期

10 王新忠;韩旭;毛罕平;刘飞;;基于最小二乘法的温室番茄垄间视觉导航路径检测[J];农业机械学报;2012年06期

相关期刊论文前10条

1 陈华豪;;聚类分析[J];林业勘察设计;1981年02期

2 陈华豪;;聚类分析[J];林业勘查设计;1981年02期

3 计维浓,杨君明;太湖流域主要粮食作物和有关土壤中若干元素的聚类分析[J];农业环境科学学报;1986年06期

4 钱晓刚;朱志强;;聚类分析[J];耕作与栽培;1988年02期

5 涂忠虞;柳树杂种的聚类分析[J];林业科技资料;1979年03期

6 涂忠虞;柳树杂种的聚类分析[J];山东林业科技;1979年03期

7 刘多森,徐琪,陆彦椿;聚类分析在太湖地区水稻土物质分类上的应用[J];土壤学报;1980年04期

8 何国浩,马育华;江淮下游地区大豆地方品种的聚类分析[J];大豆科学;1983年04期

9 颜京松,魏善武;聚类分析在生态学中的应用[J];动物学杂志;1983年04期

10 丁思统;多元分析讲座——第三讲聚类分析[J];江西林业科技;1983年05期