ATM机交易异常时的预警告警机制及优化方案B题摘要.PDFVIP

ATM 机交易异常时的预警告警机制及优化方案 B 题 摘要 随着金融电子化的发展，ATM 机在金融行业的应用越来越广泛。然而传统的 ATM监测系统缺少能够快速主动识别并判断异常种类的功能，所以在交易系统发 生故障时，难以做到准确报警和及时预警。为了解决这一问题，我们建立了基于 数据的统计模型。在分析了系统发生异常的原因之后，找到报警的产生模式，并 将这些模式运用的预警当中，建立快速高效的故障响应机制。 针对问题一，由于工作日和非工作日的交易量存在差别，因此需将已有数 据按过年前、过年期间、休息日（双休日和小长假）和正常工作日分别进行分 析。定义交易量峰谷值这一特征参数，之后运用统计方法筛选出交易量骤降的 异常数据点；通过分析响应时间与交易量之间的函数关系构造 CPU载荷这一特 征参数；利用方差分析法中的双次N值比较法，得出后端 CPU载荷正常范围的 阈值为8.32，筛选出后端CPU 载荷过大所导致的异常数据点；通过构建自组织 映射模型（SOM），将数据聚类后筛选出离群数据点。通过三种方式筛选，共得 到已给数据中的 10条异常交易记录，如 4 月 16日出现的数据中心后端处理系 统应用进程异常、4 月 14日发生的后端操作系统 CPU 载荷过大。 针对问题二，建立交易量的差分自回归模型，定义数据下降指标，观察其历 史分布，得到交易量骤降异常的监测判据。分析四个特征参数（CPU 载荷、交易 量、响应时间、成功率）间的相关性。利用问题一中提取出的异常数据点，分工 作日和非工作日构造朴素贝叶斯分类器，定义四种不同的交易状态。对于某一时 刻，求出对应不同交易状态时的先验概率。模型根据先验概率的大小可以精确地 判断系统的状况，异常发生时，模型能实时给出异常类型及位置。定义正常状态 的先验概率比例作为 ATM 系统的健康度，并且定义健康度下降指标来实时分析 ATM 系统交易状态。经过统计筛选，确定健康度下降指标大于 0.2，且分类器显 示状态为正常时，进行预警；而一旦分类器显示状态为异常时，认为系统处于异 常状态，进行报警。在代入部分真实数据对模型进行验证后，发现能在异常发生 前1 2 分钟提出预警。通过改变系统参数的方法对模型进行灵敏度分析，发现 系统灵敏度合适，同时为不同情况下下降指标的选取提供依据。 针对问题三，如果提供更多关于ATM机交易情况的指标，如交易种类、每条 交易的记录（每笔交易时间、ATM机编号、是否成功、响应时间），就能构造更 精确的特征参数，实现对系统实现局部监测，判断出具体发生故障位置；若增 加数据为全年甚至连续几年的交易情况，则可以分析有无年周期性或季节性因 素影响，建立更为精确的梳系数ARIMA时间序列模型。同时，基于更大的训练 1 集，能够提高贝叶斯分类器的精度，使得分类结果更为准确。通过大量数据的 实验与拟合，验证了所建模型的正确性，并可将其推广应用到解决信息传输的 监测、信号编码和传输的监测等数据流问题，从而帮助服务商和用户及时发现 和解决问题。 关键词：自组织映射神经网络（SOM ） 方差分析 ARIMA时间序列 贝叶斯分类器 2 目录 ATM 机交易异常时的预警告警机制及优化方案 1 B 题 1 摘要 1 一、问题重述 4 1.1 问题背景 4 1.2 待解决问题 5 1.3 研究现状 5 二、问题分析 5 2.1 问题一分析 5 2.2 问题二分析 6 2.3 问题三分析 6 三、符号说明 6 四、模型假设 7 五、模型的建立与求解 7 5.1 数据的预处理 7 5.2 问题一模型的建立与求解 8 5