[發(fā)明專利]基于復(fù)雜氣象大數(shù)據(jù)的戶外通信設(shè)施故障預(yù)測分析方法

在審

• 申請?zhí)枺?/td>: 201810378383.4
• 申請日: 2018-04-25
• 公開（公告）號: CN108596252A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計）人: 王禹;柏杏麗;郭小波;陳素霞;焦颯鑭;黃全振;周巖;劉珺;王淼
• 申請（專利權(quán)）人: 河南工程學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04
• 代理公司: 鄭州金成知識產(chǎn)權(quán)事務(wù)所(普通合伙) 41121
• 代理人: 郭增欣

1.一種基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：包括下述步驟：

1)在已有行政區(qū)劃分的基礎(chǔ)上，對目標地理范圍實施更進一步的區(qū)域細分，將分解后的第i個區(qū)域記為RGN_i；

2)針對既定第i區(qū)域內(nèi)通信設(shè)施的故障信息收集和提取，將故障記錄集合記為INFO-CF_i；

3)針對既定第i區(qū)域內(nèi)通信設(shè)施的非故障信息提取，將非故障記錄集合記為INFO-CN_i；

4)獲取INFO-CF_i和INFO-CN_i中事件對應(yīng)的多維氣象樣本，記為SP-WT_i；

5)利用多維氣象樣本集{SP-WT₁,SP-WT₂,...,SP-WT_n}，建立基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測模型；

6)依據(jù)通信設(shè)施故障預(yù)測模型，對某一區(qū)域的通信設(shè)施實施復(fù)雜氣候條件下的故障預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：步驟1)中，為了預(yù)測某一通信設(shè)施及其所屬站點受本地氣象條件的影響，考慮到行政區(qū)范圍可能偏大，涵蓋多種截然不同的地貌或氣候特征，應(yīng)當以目標所在的行政區(qū)為基本單位，融合地理地貌差異的綜合影響實施區(qū)域細化，精準定位該目標所在區(qū)域為RGN_i。

3.根據(jù)權(quán)利要求1所述的基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：步驟2)中，為了構(gòu)建通信設(shè)施故障預(yù)測模型，需要從已有的故障數(shù)據(jù)庫中收集并提取目標區(qū)域RGN_i內(nèi)通信設(shè)施相關(guān)的全部故障記錄，記為INFO-CF_i。

4.根據(jù)權(quán)利要求1所述的基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：步驟3)中，在提取通信設(shè)施故障信息之后，針對該目標區(qū)域RGN_i內(nèi)的所有通信站點，多次并隨機地選擇設(shè)施站點和時間，生成對應(yīng)的通信設(shè)施正常運行記錄集，記為INFO-CN_i。

5.根據(jù)權(quán)利要求1所述的基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：步驟4)中，合并INFO-CF_i記錄和INFO-CN_i記錄為INFO_i，將其中每個事件對應(yīng)的彼時氣象數(shù)據(jù)從氣象網(wǎng)進行獲取，獲得每個事件對應(yīng)的多維氣象數(shù)據(jù)樣本，包括溫度、濕度、風向、風力、降雨量等，如表1所示；樣本獲取的方式包括基于Api的遠程查詢，以及基于網(wǎng)絡(luò)爬蟲的批量爬取。

表1.氣象樣本指標

6.根據(jù)權(quán)利要求1所述的基于復(fù)雜氣象大數(shù)據(jù)的通信設(shè)施故障預(yù)測分析方法，其特征是：步驟5)中，首先需要進行顯著性檢驗：

為了確定具體采用何種方法來實施氣象指標的差異顯著性檢驗，需要考察氣象樣本的分布情況；運用SPSS、SAS等工具發(fā)起對樣本數(shù)據(jù)正態(tài)分布的檢驗，從而判斷哪些指標符合正態(tài)分布；針對違背正態(tài)分布的氣象指標，采用非參數(shù)型顯著性檢驗方法；針對符合正態(tài)分布的氣象指標，采用參數(shù)T型顯著性檢驗方法，從而剔除無效指標；

步驟5)中，需要進行多重共線性分析：

為了避免由于線性回歸模型中變量之間存在的精確相關(guān)關(guān)系或高度相關(guān)關(guān)系而導(dǎo)致預(yù)測模型估計失真，因此需要對上述氣象指標實施多重共線性分析；計算每項指標的方差膨脹因子(Variance Inflation Factor，VIF)，VIF越大則表示共線性越嚴重；設(shè)定若0<VIF<10不存在多重共線性；若10≤VIF<100，存在較強的多重共線性；若VIF≥100，則存在嚴重的多重共線性。

步驟5)中，最后建立基于支持向量機的預(yù)測模型：

經(jīng)過面向不同區(qū)域樣本的顯著性檢驗和多重共線性分析，根據(jù)既定區(qū)域內(nèi)的9個氣象指標，建立基于支持向量機的通信故障預(yù)測模型；考慮到氣象條件受經(jīng)緯度、地貌、海拔、城市發(fā)展現(xiàn)狀等多重影響，因此輸入的復(fù)雜氣象指標與通信設(shè)施是否發(fā)生故障屬于一種非線性關(guān)系；

由此，引入RBF核函數(shù)實施非線性映射處理，RBF核函數(shù)為：

K(x_i,x_j)＝e-γ||x_i-x_j||2,γ＞0

在RBF核函數(shù)的基礎(chǔ)上，獲得非線性支持向量機模型，其決策函數(shù)為：

根據(jù)建立的故障預(yù)測模型，用戶輸入目標區(qū)域某一未來時間對應(yīng)的多維氣象指標，根據(jù)決策函數(shù)f(x)預(yù)測該區(qū)域內(nèi)通信設(shè)施發(fā)生故障的可能性。