[發明專利]對象狀態預測方法、系統、計算機設備及存儲介質

有效

• 申請號: 201910162913.6
• 申請日: 2019-03-06
• 公開（公告）號: CN109872003B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 郭皓明;武斌;李勤勇;魏閆艷;王之欣;白建秀
• 申請（專利權）人: 中國科學院軟件研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06K9/62
• 代理公司: 北京致科知識產權代理有限公司 11672
• 代理人: 魏紅雅

本發明公開一種對象狀態預測方法、系統、計算機設備及存儲介質，其中對象狀態預測方法，包括：根據知識庫和關聯數據挖掘對監測對象的監測數據指標進行分組，并構建狀態分析模型，所述狀態分析模型包括：單指標值預測模型、主指標分布預測模型以及對象狀態分類預測模型；利用樣本數據對狀態分析模型進行模型訓練，獲取計算模型體系；將狀態預測對象當前的數據流輸入計算模型體系，對對象狀態進行預測。本發明可有效提升設備運維智能化監測。

技術領域

本發明涉及大數據和人工智能技術領域，尤其涉及一種對象狀態預測方法、系統、計算機設備及存儲介質。

背景技術

隨著通信產業的不斷發展，逐漸形成覆蓋全面、質量良好的通信基礎設施與通信網絡，為各種終端用戶實現無線通信。在這一基礎通信網絡中，大量基站構成其中節點。基站以4G\5G技術為基礎，為周邊終端設備提供入網、數據交換、通信等服務。一個基站的覆蓋范圍包括多個服務小區，每個服務小區對基站周邊特定空間范圍內的終端用戶提供通信保障。

通信基站與小區在提供無線通信服務的過程中，根據一定的設定條件，對自身設備性能參數進行設置，設備在這一配置參數下對周邊的終端用戶形成服務供給。在設備運行過程中，受服務區用戶數量波動、通信流量變化、周邊干擾以及其他小區故障傳遞等原因，會影響本小區的性能，繼而導致通信服務質量下降，表現為小區內用戶連接成功率降低、用戶網絡上下行速度變慢，以及大量網絡訪問失敗等情況。因此，運營商需要針對設備、小區以及基站建立運營保障機制，通過持續檢測特定指標，實現對各種異常、失效情況的捕捉與處置，從而降低故障發生的規模、減少故障影響范圍，提高終端用戶無線通信服務體驗感。

目前，運營商在運維系統搭建過程中，以設備機理以及專家經驗為基礎，以“數據采集-閾值檢測-事件識別”模式為基礎構建相關運維管理系統。在實際運營過程中，由于不同小區運行條件不同，運行環境動態變化，上述靜態閾值模式無法滿足實際情況下的動態變化的狀態監測，而且這些問題導致在實際運維工作中工作效率較低，日常監控中，因為閾值設置的問題導致大量虛假警的出現，由于通信運維工作的特殊性，這些虛假警均需要后續處置，繼而導致整個運維工作成本持續攀升，影響通信基礎設施效能的發揮。同時，由于通信基礎設施規模巨大，無法針對性給小區建立個性化閾值監測體系，因此這些問題對通信基礎設施的運維管理形成較大影響，亟待解決。

發明內容

本發明提供一種對象狀態預測方法、系統、計算機設備及存儲介質，用以克服上述現有技術中存在的技術問題，以對設備進行健康狀態評估與預測，實現設備運維智能化監測。

本發明提供一種對象狀態預測方法，適用于設備運維智能化監測系統，包括：

根據知識庫和關聯數據挖掘對監測對象的監測數據指標進行分組，將指標分為主指標和參考指標，其中，主指標直接影響對象狀態，參考指標通過關聯關系將參考指標的變化傳遞給主指標，并構建指標-狀態之間的依賴關系與值傳遞的狀態分析模型，所述狀態分析模型包括：基于時間序列對參考指標進行值預測的單指標值預測模型、采用貝葉斯網絡實現多因素關聯的主指標分布預測的主指標分布預測模型以及對象狀態分類預測模型；

依據觀測指標進行數據采集，將各個指標的監測采樣數據或預測值進行聚類，形成不同的分布簇，并對分布簇序列化處理，獲取離散化的采樣數據或預測值的分布簇信息；

根據參考指標對應的樣本數據分布特點選擇平滑處理函數，將原始數據轉化成數據序列帶入構建的單指標值預測模型進行訓練迭代，獲取穩定的基于時間序列的單指標值預測模型；

將參考指標的樣本數據的分布簇信息作為訓練值帶入構建的表示主指標與參考指標關聯關系的貝葉斯網絡進行訓練，獲取穩定的多因素關聯的主指標分布預測模型；

將主指標預測值的分布簇信息作為訓練值帶入構建的對對象狀態預測分類的分類模型中進行訓練，獲取穩定的對象狀態分類預測模型；