[發明專利]一種主客觀模型結合的話務量異常檢測方法

無效

• 申請號: 201110026939.1
• 申請日: 2011-01-25
• 公開（公告）號: CN102083087A
• 公開（公告）日: 2011-06-01
• 發明（設計）人: 卓越;李達;陳美仙
• 申請（專利權）人: 南京金思科技有限公司
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W24/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 程化銘

技術領域

本發明是一種基于主客觀模型相結合的話務量異常檢測解決方案。主要是通過技術手段檢測話務量的異常情況，并提高檢測的準確率降低誤報率，屬于數據安全技術領域。

?

背景技術

現在移動通信的用戶數和話務量保持著高速增長的勢頭，移動網絡長久、穩定的運行，有賴于及時、有效的網絡規劃與優化，運營者以主動性的網絡變化成功應對用戶行為的變化以及趨勢。話務量超過一定的容量時，極易造成交換系統過載，出現電路擁塞，話音接通率下降，話務掉話比上升，甚至出現交換機大面積癱瘓的現象，給運營商和用戶造成不可彌補的損失。因此根據話務統計資料和其他業務信息對移動通信話務量的變化趨勢進行預測，以此來確定工程擴容將要到達的容量，并由各地設定的相應話務模型計算設備的有效容量，從而決定滿足設計容量的設備類型和數量。

目前大部分移動公司采用的預測技術，僅限于簡單函數的擬合預測，這種簡單預測模型，實際上對一種趨勢的粗略的估計，準確率不高，在業務快速發展和網絡快速工程建設中，起到一定的積極作用。而今天，用戶行為以及網絡規模和結構的變化，預測結果的準確與否直接關系到企業未來的發展，原有簡單趨勢技術已經不再適合了，我們需要一個更加有效、準確的新的預測技術以及方法。

小波分析作為80年代后期發展取來的應用數學分支，既具有頻率分析的性質，又能表示發生的時間。有利于分析確定時間發生的現象。同時小波分析具有多分辨率，即多尺度的特點，可以由粗及精的逐步觀察信號，有利于各種分辨率不同的情況下面特征的提取，適當的選擇基本小波，便可以使小波技術在時域、頻域上都具有表征信號局部特征的能力，因此有利于檢測信號的瞬態和奇異點。小波分析在量子物理、模式識別及眾多的非線性科學領域，特別是在信號處理、圖像處理和語音分析等方面，被認為是近年來工具和方法上的重大突破。小波分析的這些在時域和頻域的分析處理能力，對于信號數據流量的異常的檢測及安全事件發生時間上的近距離觀察都具有一定的優勢。

ARMA模型（Auto-Regressive?and?Moving?Average?Model，自回歸模型和滑動平均模型的組合）是研究時間序列的重要方法，由自回歸模型（簡稱AR模型）與滑動平均模型（簡稱MA模型）為基礎“混合”構成。在市場研究中常用于長期追蹤資料的研究，如：Panel（即樣本庫）研究中，用于消費行為模式變遷研究；在零售研究中，用于具有季節變動特征的銷售量、市場規模的預測等。

?

發明內容

本發明所要解決的技術問題是提供一種新的話務量異常檢測方法，用于檢測話務量中的異常情況，并解決檢測過程中誤報率比較高的問題。?

本發明解決上述技術問題的技術方案如下：一種主客觀模型結合的話務異常檢測方法，其特征在于：

構建檢測系統，所述檢測系統包括預處理模塊、檢測模塊，其中，檢測模塊包括：特征庫模塊、客觀模型小波分析模塊、主觀模型ARMA檢測模塊、決策器模塊；

檢測系統按如下方式工作：

步驟一，預處理模塊接收原始話務數據，并從原始話務數據中提取特征信息，輸出格式化的話務特征數據；

步驟二，將預處理模塊輸出的話務特征數據保存到特征庫模塊中；

步驟三，客觀模型小波分析模塊對預處理模塊輸出的話務特征數據進行分析，判斷話務狀態是否異常；

步驟四，如果步驟三判斷話務狀態異常，再運用主觀模型ARMA檢測模塊對話務特征數據進行分析，再次判斷話務狀態是否異常；否則直接進入步驟五；

步驟五，決策器模塊根據客觀模型小波分析模塊和主觀模型ARMA檢測模塊的檢測結果，對話務狀態做出判斷，并輸出判斷結果。

本發明的方法是一種策略性的方法，基于主客觀模型相結合的方法對話務量異常進行檢測。預處理模塊負責接收原始的話務數據，按照檢測和統計的要求，輸出話務特征數據。在檢測模塊中，首先運用客觀模型小波分析法對話務特征數據進行分析，求解Hurst值，并通過Hurst參數大小以及Hurst參數減小情況來判斷話務量是否異常，并產生輸出。如果話務量異常，再運用主觀模型ARMA對話務特征數據進行分析，判斷話務量是否異常，并產生輸出。最后決策器模塊根據主、客觀模型的檢測結果對當前的話務狀態做出判斷，有異常情況的，則給出報警信息。本發明涉及的關鍵技術包括以下幾個方面：

一、客觀模型小波分析