[發(fā)明專利]一種用于小區(qū)故障告警的預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710464555.5
• 申請(qǐng)日: 2017-06-19
• 公開（公告）號(hào): CN109150564B
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 陳景航;馮沛延;楊庭勛;趙明偉;呂亞男;班穎;梁耀堅(jiān);蕭楚豪;李國(guó)博;龍濤;黃立偉
• 申請(qǐng)（專利權(quán)）人: 中國(guó)移動(dòng)通信集團(tuán)廣東有限公司;中國(guó)移動(dòng)通信集團(tuán)公司;杭州華星創(chuàng)業(yè)通信技術(shù)股份有限公司
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;H04L12/26
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;曹杰

1.一種用于小區(qū)故障告警的預(yù)測(cè)方法，其特征在于，包括：

獲取與目標(biāo)小區(qū)相關(guān)的多個(gè)性能指標(biāo)，并對(duì)所述多個(gè)性能指標(biāo)進(jìn)行預(yù)處理，得到目標(biāo)輸入?yún)?shù)；

將所述目標(biāo)輸入?yún)?shù)作為預(yù)設(shè)模型的輸入?yún)?shù)，通過所述預(yù)設(shè)模型預(yù)測(cè)是否存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)的目標(biāo)故障；

其中，所述預(yù)設(shè)模型根據(jù)與目標(biāo)小區(qū)相關(guān)的多個(gè)性能指標(biāo)、以及對(duì)應(yīng)于多個(gè)性能指標(biāo)的告警碼信息，進(jìn)行模型訓(xùn)練得到；

所述預(yù)設(shè)模型的模型訓(xùn)練包括：

獲取訓(xùn)練樣本，對(duì)所述訓(xùn)練樣本中的所述多個(gè)性能指標(biāo)進(jìn)行所述預(yù)處理，得到樣本輸入?yún)?shù)，并判斷所述訓(xùn)練樣本中的告警碼信息是否為存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)故障的目標(biāo)故障告警；

所述判斷所述訓(xùn)練樣本中的告警碼信息是否為存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)故障的目標(biāo)故障告警通過對(duì)所述告警碼信息進(jìn)行二值化實(shí)現(xiàn)；

所述獲取訓(xùn)練樣本包括：

根據(jù)所述多個(gè)性能指標(biāo)中的每一性能指標(biāo)的數(shù)值分布，采用分層隨機(jī)抽樣獲取多個(gè)所述訓(xùn)練樣本；所述采用分層隨機(jī)抽樣獲取多個(gè)所述訓(xùn)練樣本包括：對(duì)所述性能指標(biāo)的數(shù)值進(jìn)行描述性分析，并可視化呈現(xiàn)所述數(shù)值分布的偏度和峰度；根據(jù)所述數(shù)值分布的偏度和峰度進(jìn)行分層隨機(jī)抽樣；

其中，所述描述性分析包括均值、中位數(shù)、眾數(shù)、方差、四分位數(shù)和對(duì)因子值數(shù)據(jù)進(jìn)行頻數(shù)；

所述預(yù)處理包括：

對(duì)所述多個(gè)性能指標(biāo)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；

對(duì)所述多個(gè)性能指標(biāo)中數(shù)值連續(xù)變化的性能指標(biāo)，進(jìn)行離散化；

根據(jù)對(duì)所述多個(gè)性能指標(biāo)進(jìn)行的相關(guān)性分析結(jié)果，對(duì)所述多個(gè)性能指標(biāo)進(jìn)行數(shù)據(jù)降維，得到所述目標(biāo)輸入?yún)?shù)或者所述樣本輸入?yún)?shù)。

2.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述預(yù)設(shè)模型的模型訓(xùn)練還包括：

將所述樣本輸入?yún)?shù)作為人工神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，將所述訓(xùn)練樣本中的告警碼信息是否為所述目標(biāo)故障告警作為所述人工神經(jīng)網(wǎng)絡(luò)的期望輸出，對(duì)所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練；

將實(shí)際輸出和期望輸出之間的誤差小于或等于預(yù)設(shè)誤差的人工神經(jīng)網(wǎng)絡(luò)作為所述預(yù)設(shè)模型；

其中，所述訓(xùn)練樣本包括與所述目標(biāo)小區(qū)相關(guān)的所述多個(gè)性能指標(biāo)，以及對(duì)應(yīng)于所述多個(gè)性能指標(biāo)的告警碼信息。

3.根據(jù)權(quán)利要求1中所述的方法，其特征在于，還包括：

若存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)的目標(biāo)故障，發(fā)出對(duì)應(yīng)于所述目標(biāo)故障的提示信息。

4.一種用于小區(qū)故障告警的預(yù)測(cè)裝置，其特征在于，包括：

獲取模塊，用于獲取與目標(biāo)小區(qū)相關(guān)的多個(gè)性能指標(biāo)，并對(duì)所述多個(gè)性能指標(biāo)進(jìn)行預(yù)處理，得到目標(biāo)輸入?yún)?shù)；

預(yù)測(cè)模塊，用于將所述目標(biāo)輸入?yún)?shù)作為預(yù)設(shè)模型的輸入?yún)?shù)，通過所述預(yù)設(shè)模型預(yù)測(cè)是否存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)的目標(biāo)故障；

其中，所述預(yù)設(shè)模型根據(jù)與目標(biāo)小區(qū)相關(guān)的多個(gè)性能指標(biāo)、以及對(duì)應(yīng)于多個(gè)性能指標(biāo)的告警碼信息，進(jìn)行模型訓(xùn)練得到；

所述預(yù)測(cè)模塊還用于獲取訓(xùn)練樣本，對(duì)所述訓(xùn)練樣本中的所述多個(gè)性能指標(biāo)進(jìn)行所述預(yù)處理，得到樣本輸入?yún)?shù)，并判斷所述訓(xùn)練樣本中的告警碼信息是否為存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)故障的目標(biāo)故障告警；

所述用于小區(qū)故障告警的預(yù)測(cè)裝置還包括提示模塊，所述提示模塊用于若存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)的目標(biāo)故障，發(fā)出對(duì)應(yīng)于所述目標(biāo)故障的提示信息；所述判斷所述訓(xùn)練樣本中的告警碼信息是否為存在影響所述目標(biāo)小區(qū)的網(wǎng)絡(luò)連接服務(wù)故障的目標(biāo)故障告警通過對(duì)所述告警碼信息進(jìn)行二值化實(shí)現(xiàn)；

所述獲取訓(xùn)練樣本包括：

根據(jù)所述多個(gè)性能指標(biāo)中的每一性能指標(biāo)的數(shù)值分布，采用分層隨機(jī)抽樣獲取多個(gè)所述訓(xùn)練樣本；所述采用分層隨機(jī)抽樣獲取多個(gè)所述訓(xùn)練樣本包括：對(duì)所述性能指標(biāo)的數(shù)值進(jìn)行描述性分析，并可視化呈現(xiàn)所述數(shù)值分布的偏度和峰度；根據(jù)所述數(shù)值分布的偏度和峰度進(jìn)行分層隨機(jī)抽樣；

其中，所述描述性分析包括均值、中位數(shù)、眾數(shù)、方差、四分位數(shù)和對(duì)因子值數(shù)據(jù)進(jìn)行頻數(shù)；

所述預(yù)處理包括：

對(duì)所述多個(gè)性能指標(biāo)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；

對(duì)所述多個(gè)性能指標(biāo)中數(shù)值連續(xù)變化的性能指標(biāo)，進(jìn)行離散化；

根據(jù)對(duì)所述多個(gè)性能指標(biāo)進(jìn)行的相關(guān)性分析結(jié)果，對(duì)所述多個(gè)性能指標(biāo)進(jìn)行數(shù)據(jù)降維，得到所述目標(biāo)輸入?yún)?shù)或者所述樣本輸入?yún)?shù)。