[發(fā)明專利]一種故障預測方法及裝置

在審

• 申請?zhí)枺?/td>: 201810569355.0
• 申請日: 2018-06-05
• 公開（公告）號: CN108737193A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設計）人: 莊一鳴
• 申請（專利權）人: 亞信科技（中國）有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京集佳知識產(chǎn)權代理有限公司 11227
• 代理人: 楊華;王寶筠

本申請實施例提供了一種故障預測方法及裝置，將從實時KPI數(shù)據(jù)中提取的特征數(shù)據(jù)擬合為一條曲線，在曲線的幅值不在預設范圍的情況下，發(fā)出故障提示，并輸出故障的類型概率。與現(xiàn)有的故障排查方式相比，能夠預測故障，并且，減少人工分析帶來的壓力和滯后性，具有較高的實時性和準確性，能夠降低漏告警和誤告警的可能性。

技術領域

本申請涉及電子信息領域，尤其涉及一種故障預測方法及裝置。

背景技術

目前，在運營商的移動業(yè)務支撐領域以及業(yè)務支撐領域，排查故障的過程為：通過人工方式查詢代碼進行分析，使用人工排除的模式逐步定位問題。運營時遇到的故障，事后對收集到的數(shù)據(jù)進行人工分析，得到故障原因。

現(xiàn)有的故障排查方式，只能在故障發(fā)生后進行，而不具備預測的前瞻性。因此，如何有效對故障進行預測，成為目前亟待解決的問題。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N故障預測方法及裝置，目的在于解決如何有效對故障進行預測的問題。

為了實現(xiàn)上述目的，本申請?zhí)峁┝艘韵录夹g方案：

一種故障預測方法，包括：

從實時關鍵績效指標KPI數(shù)據(jù)中提取特征數(shù)據(jù)；

將提取的所述特征數(shù)據(jù)擬合為曲線；

在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率。

可選的，在所述輸出故障的類型概率之前，還包括：

在所述曲線的幅值不在預設范圍的情況下，發(fā)出故障提示。

可選的，在所述從實時關鍵績效指標KPI數(shù)據(jù)中提取特征數(shù)據(jù)之前，還包括：

采用根因分析法，確定待提取的所述特征數(shù)據(jù)的類型。

可選的，所述采用根因分析法包括：

使用決策樹進行根因分析，或者，將根問題轉化成多個分類問題，使用神經(jīng)網(wǎng)絡，得到各個分類問題導致根問題的概率。

可選的，所述在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率包括：

使用經(jīng)過預先的分類器，在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率；

所述分類器的預先訓練過程包括：

從歷史KPI數(shù)據(jù)中提取特征數(shù)據(jù)；

獲取人工提供的所述特征數(shù)據(jù)的標記信息；

使用所述特征數(shù)據(jù)以及所述特征數(shù)據(jù)的標記信息，訓練所述分類器。

一種故障預測裝置，包括：

提取模塊，用于從實時關鍵績效指標KPI數(shù)據(jù)中提取特征數(shù)據(jù)；

擬合模塊，用于將提取的所述特征數(shù)據(jù)擬合為曲線；

輸出模塊，用于在所述曲線的幅值不在預設范圍的情況下，輸出故障的類型概率。

可選的，還包括：

提示模塊，用于在所述曲線的幅值不在預設范圍的情況下，發(fā)出故障提示。

可選的，所述提取模塊還用于：

在所述從實時關鍵績效指標KPI數(shù)據(jù)中提取特征數(shù)據(jù)之前，采用根因分析法，確定待提取的所述特征數(shù)據(jù)的類型。

可選的，所述提取模塊用于采用根因分析法包括具體用于：

所述提取模塊具體用于，使用決策樹進行根因分析，或者，將根問題轉化成多個分類問題，使用神經(jīng)網(wǎng)絡，得到各個分類問題導致根問題的概率。