3。5 数据库设计 24

3。6 本章小结 27

4 工作票预处理 28

4。1 数据预处理基础 28

4。2 任务需求及目标 29

4。3 原始数据集描述 29

4。4 提出实验方法 31

4。5 实验过程及结果 35

4。6 实验总结 38

4。7 本章小结 39

5 工作票挖掘实验 40

5。1 工作票预测需求分析 40

5。2 基于时间序列的预测算法 40

5。3 本章小结 41

6 系统实现与测试 42

6。1 开发及运行环境 42

6。2 功能模块实现 42

6。3 系统运行与测试 53

第 II 页 本科毕业设计说明书

6。4 本章小结 54

结 论 55

致 谢 56

参 考 文 献 57

1 绪论

1。1 选题意义与背景

在现代信息技术的快速发展下，各个领域对于 IT 业务的依赖日益提高。随着应用领域不 断扩大，IT 系统的复杂性逐渐提高，现代计算机系统的监控和维护变得十分复杂。这些计算 机系统由 IT 服务提供商和维修人员共同管理，他们需要对系统中产生的问题报告进行分析并 采取有效方案及时解决。这些问题报告来源于系统的用户，他们会以 ticket 的形式记录下问 题细节，包括系统使用中出现的故障、错误或者任何有关系统问题的描述。本文将这些记录 问题的 ticket 称为“工作票”。对于维护大中型软硬件系统来说，工作票中包含着十分有价值 的信息。

系统的维护工作使得公司难以集中精力在其核心业务上。据估计，对于大中型公司来说， 有 30% 到 70% 的信息技术资源都用来作为维护成本[1] 。 基于自动化计算[1]（ Automatic Computing）的 IT 系统维护服务不仅能够确保系统安全可靠运行，切实提高生产效率和服务 质量，还使得 IT 系统能够更好地服务于生产运营和管理。对工作票中描述信息的挖掘是实现 Automatic Computing 的基础和关键。通过实现对这些维修请求自动分类并且准确预测故障信 息，能够大大提高系统的可用性，从而降低系统维护成本，减少因系统故障而带来的不可挽 回的损失。然而，系统的复杂性也决定了工作票的多源性和多样性，采集方式不同及自由文 本形式都给研究带来了极大的困难。论文网