[發明專利]一種微基站監控方法及裝置、存儲介質

在審

• 申請號: 202011100600.7
• 申請日: 2020-10-15
• 公開（公告）號: CN112367678A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 劉鳳超;段勇軍;韓昌剛;劉建東
• 申請（專利權）人: 深圳力維智聯技術有限公司;南京中興力維軟件有限公司
• 主分類號: H04W24/04
• 分類號: H04W24/04;H04W24/06;G06N20/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 彭家恩;彭愿潔

1.一種微基站監控方法,其特征在于，包括：

獲取微基站的運行信息；

對所述微基站的運行信息進行分類，得到對應的告警信息、控制信息和監控信息；

將所述告警信息輸入預先構建的自動告警識別模型，得到故障告警預測結果；并將所述控制信息和監控信息輸入預先構建的設備離網預測模型中，得到設備離網預測結果；

將所述故障告警預測結果和所述設備離網預測結果發送給監控中心。

2.如權利要求1所述的微基站監控方法，其特征在于，在對所述微基站的運行信息進行分類之后，將所述告警信息、控制信息和監控信息輸入預先構建的自動告警識別模型和設備離網預測模型中之前，還包括：

將所述告警信息、控制信息和監控信息存儲在數據緩存模塊中。

3.如權利要求1所述的微基站監控方法，其特征在于，將所述告警信息輸入預先構建的自動告警識別模型，得到故障告警預測結果，包括：

獲取告警信息的訓練樣本集合；

構建機器學習模型，將所述告警信息的訓練樣本集合輸入到所述機器學習模型中進行訓練，得到預先構建的自動告警識別模型。

4.如權利要求1所述的微基站監控方法，其特征在于，將所述控制信息和監控信息輸入預先構建的設備離網預測模型中，得到設備離網預測結果，包括：

獲取控制信息和監控信息的訓練樣本集合；

對訓練樣本集合中的控制信息和監控信息的時序特征按照時間粒度進行整合，得到控制信息和監控信息的特征數據；

從所述控制信息和監控信息的特征數據中選取合適的特征作為訓練特征數據，對訓練特征數據進行歸一化處理和獨熱處理；

構建深度神經網絡，將歸一化處理和獨熱處理后的訓練特征數據輸入到所述深度神經網絡中進行訓練，得到預先構建的設備離網預測模型。

5.如權利要求3所述的微基站監控方法，其特征在于，將所述告警信息的訓練樣本集合輸入到所述機器學習模型中進行訓練，包括：

將所述告警信息的訓練樣本集合輸入到所述機器學習模型中，并采用LightGBM或XGBoost算法對機器學習模型進行訓練。

6.如權利要求4所述的微基站監控方法，其特征在于，將歸一化處理和獨熱處理后的訓練特征數據輸入到所述深度神經網絡中進行訓練，包括：

將歸一化處理和獨熱處理后的訓練特征數據輸入到所述深度神經網絡中，并采用DNN和LSTM算法對深度神經網絡進行訓練。

7.一種微基站監控裝置，其特征在于，包括：

基站監控單元，用于獲取微基站的運行信息；

數據分類單元，用于對所述微基站的運行信息進行分類，得到對應的告警信息、控制信息和監控信息；

數據預測單元，用于將所述告警信息輸入預先構建的自動告警識別模型，得到故障告警預測結果；并將所述控制信息和監控信息輸入預先構建的設備離網預測模型中，得到設備離網預測結果；

結果監測單元，用于將所述故障告警預測結果和所述設備離網預測結果發送給監控中心。

8.如權利要求7所述的微基站監控裝置，其特征在于，將所述控制信息和監控信息輸入預先構建的設備離網預測模型中，得到設備離網預測結果，包括：

獲取控制信息和監控信息的訓練樣本集合；

對訓練樣本集合中的控制信息和監控信息的時序特征按照時間粒度進行整合，得到控制信息和監控信息的特征數據；

從所述控制信息和監控信息的特征數據中選取合適的特征作為訓練特征數據，對訓練特征數據進行歸一化處理和獨熱處理；

構建深度神經網絡，將歸一化處理和獨熱處理后的訓練特征數據輸入到所述深度神經網絡中進行訓練，得到預先構建的設備離網預測模型。