在网上银行迅速发展的今天,为了保障网上银行关系统键业务的高可用性,以及对网上银行复杂业务系统的有效监控和风险防范,更好的提升客户体验,监测预警系统在网上银行系统运维和架构设计优化中起着至关重要的作用。不允许没有监测的系统上线,监测预警系统通过采集和处理实时的监测数据,触发告警事件、展示性能指标,是判断网上银行系统是否安全运行的重要依据。本论文通过对现有应用系统的布署架构、应用协议运行机制及TCP/IP协议原理的研究,根据具体的目标分析研究各模块相关模型,确定监测预警系统的整体设计方案。本论文提出一种基于机器学习的新的动态基线方法,该方法按照数据挖掘标准流程,通过采集网上银行客户感知原始数据,选择数据合理特征,并且对数据进行预处理,主要是采用合理方式对缺失数据进行填充或删除的方法。另外针对不同数据属性,由于量纲相差较大,采用数据标准化处理的方式。通过主成分分析降维,运用数据挖掘算法中的最小二乘向量支持向量线性回归机及非线性回归机模型,实现动态基线值的预测,通过逐渐添加不同程度的白噪声,依次确定预警界限,最后对论文中提出的动态基线模型进行试验测试,验证了其可行性和实用性。本系统作为某银行应用性能监控的子系统已经上线运行,并且运行良好,发挥了该系统的监测预警功能。