[發明專利]一種基于模糊時間序列預測模型的IP承載網性能指標主動監控方法

無效

• 申請號: 201210424554.5
• 申請日: 2012-10-30
• 公開（公告）號: CN103236953A
• 公開（公告）日: 2013-08-07
• 發明（設計）人: 李樹秋;孫永雄;鄭萬波;申晨;黃麗平;劉李篷
• 申請（專利權）人: 吉林大學
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L12/24
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 王壽珍;朱世林

技術領域：

本發明屬于電信網絡管理領域，特別涉及網絡性能預測方法和主動監控。

背景技術：

IP承載網是基于MPLS進行建設的，通過快速的標簽交換來實現網絡下一代的快速交換。IP承載網是目前國際使用范圍最大的軟交換承載網，是中國3G、NGN和企業VPN業務的承載網絡，其將與中國CMNet網業務形成互補，在帶寬與流量規劃、QoS、可靠性、多業務、可運營和可管理等方面具有優勢。IP技術及IP承載網，自2005年被用于大規模的NGN承載以來，所面臨的問題并不僅僅承載技術本身。以IP承載NGN技術的關鍵在于，IP網絡要適應NGN商業模式模型和管理模式的變遷。電信業務從TDM承載轉為IP承載，與傳統IP網絡以設備管理和故障為重點不同，IP承載管理對象更多地轉向以網絡業務集中管理、網絡資源配置和動態性能監控為重點的管理。而傳統的IP承載網的監控手段，大部分只是監控實時數據，沒有真正意義上實現主動監控機制。隨著IP承載網建設到達一定的規模，其整體的監控和管理就成為了必須考慮的問題。性能是檢驗IP承載網成功與否的關鍵指標。保障IP承載網性能除了要在規劃設計上借鑒成熟的電信業務承載經驗，融合IP承載的扁平化和可擴展性之外，還需要在運維層次上建立一套完整的主動性能監控體系。以往的承載網監控多為實時監控，監控數據沒有得到充分利用，網絡故障診斷多為“事后滅火”，不能根據網絡主要性能指標的降質實現網絡故障預警。

預測技術是IP承載網實現主動監控機制的基礎，對于預測技術方面，對單變量模型，已有人提出了“門限自回歸模型”、“雙線性模型”、“馬爾科夫轉換過程”、“平穩轉換和混沌模型”、“人工神經網絡逼近”、“隨機方差模型”等模型，對多變量模型還有“一般動態回歸”、“多變量回歸”、“自變量回歸”、“共同周期趨勢分析”等理論。2003年，克萊夫一格蘭杰(Clive?Granger)和羅伯特一恩格爾(Robert?Engel)以他們在時間序列計量經濟學里的貢獻獲得2003年度的諾貝爾經濟學獎。以此為標志，時間序列預測技術已經有了相當的發展。軟交換的數據特點適合采用統計學的Box-Jenkins(ARIMA)模型。但是，傳統的Box-Jenkins模型是單變量的線性模型，存在不能處理非線性問題，誤差較大等問題。模糊邏輯在時間序列技術上的應用方面，自從1965年Zadeh提出模糊集合理論以來，模糊集的概念得到廣泛應用。將模糊邏輯與時間序列預測技術有效融合，構成模糊時間序列預測模型，預測精度，算法的魯棒性等方面都有很大程度的提高。但目前為止，模糊時間序列主要應用于經濟學領域。在通信領域中試圖使用統計學的思想來預測通信性能，已成為一種新的發展趨勢，但還沒有先例將其用于網絡性能主動監控領域。將模糊時間序列技術應用到IP承載網的主動監控機制的實現過程中是本發明的特色之一。

發明內容：

本發明要解決的技術問題是將模糊時間序列方法引入到了IP承載網的性能管理與主動監控領域之中，即采用Fuzzy?ARIMA模型對IP承載網的性能指標數據進行預測分析，并實現網絡預警，實現對IP承載網主要的性能指標數據進行主動監控。根據IP承載網性能指標數據的特點，建立合適的預測模型，在性能指標數據預測的基礎上，根據網絡性能降質實現對網絡運行狀態的預警。

下面對本發明的工作步驟進行詳細介紹：

一種基于模糊時間序列預測模型的IP承載網性能指標主動監控方法，包括以下幾個步驟：

步驟一：根據性能指標數據特性，建立歷史性能指標數據庫，并對數據進行清洗和填補處理，構建優化數據庫；

步驟二：對優化數據庫中的各性能指標數據建立預測模型；

步驟三：使用預測模型，根據某項性能指標數據的歷史值預測未來值，并畫出走勢圖，預測時實現時間粒度可配置；

步驟四：計算主動監控機制的基線；

步驟五：設計并實現主動告警機制；

步驟六：告警信息主動推送給客戶，并存儲告警信息到告警記錄數據庫。

所述的步驟一中的數據清洗處理采用閾值清洗法，對明顯不合理的數據進行清除，如接通率時間序列中的值若大于1，則清洗掉；

所述的步驟一中的數據填補處理，采用雙向預測均值填補法對性能指標時間序列中的缺失數據進行填補，所謂雙向預測均值添補法，是指正向和反向分別使用BP神經網絡預測方法和高斯回歸模型預測方法的預測值取均值，填入缺失位置。

所述的步驟二性能指標數據預測模型使用FuzzyARIMA模型，其特征在于只對性能指標數據序列進行模糊化，模型參數仍是實數，該模型構建步驟如下：