[發(fā)明專(zhuān)利]一種電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011510414.0
• 申請(qǐng)日: 2020-12-18
• 公開(kāi)（公告）號(hào): CN112637879A
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 葉可江;林彥穎;須成忠
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類(lèi)號(hào): H04W24/04
• 分類(lèi)號(hào): H04W24/04;G06N3/04;G06N3/08
• 代理公司: 深圳市科進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44316
• 代理人: 魏毅宏

1.一種電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法，其特征在于，包括以下步驟：

S1：利用一段時(shí)間內(nèi)的核心網(wǎng)絡(luò)上報(bào)的故障信息對(duì)網(wǎng)絡(luò)狀態(tài)進(jìn)行建模；

S2：利用具有不確定性特征建模的深度貝葉斯神經(jīng)網(wǎng)絡(luò)對(duì)核心網(wǎng)絡(luò)整體狀態(tài)變化的隨機(jī)性和不確定性進(jìn)行建模；

S3：利用深度貝葉斯神經(jīng)網(wǎng)絡(luò)的貝葉斯推斷過(guò)程對(duì)網(wǎng)絡(luò)干預(yù)時(shí)機(jī)進(jìn)行決策。

2.如權(quán)利要求1所述的電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法，其特征在于：所述步驟S1中，所述核心網(wǎng)絡(luò)上報(bào)的故障信息包括故障單元、故障原因和故障等級(jí)。

3.如權(quán)利要求2所述的電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法，其特征在于：所述利用一段時(shí)間內(nèi)的核心網(wǎng)絡(luò)上報(bào)的故障信息對(duì)網(wǎng)絡(luò)狀態(tài)進(jìn)行建模，建模公式如下：

其中，x∈[1，4]表示設(shè)備的故障等級(jí)，w表示每單位時(shí)間的故障警報(bào)量，si和k是用于調(diào)整權(quán)重的一組常數(shù)系數(shù)。

4.如權(quán)利要求1所述的電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法，其特征在于，所述步驟S2中，所述深度貝葉斯神經(jīng)網(wǎng)絡(luò)的權(quán)重參數(shù)是隨機(jī)變量；所述深度貝葉斯神經(jīng)網(wǎng)絡(luò)的輸出用來(lái)描述特定的概率分布的似然。

5.如權(quán)利要求1所述的電信核心網(wǎng)故障干預(yù)時(shí)機(jī)決策方法，其特征在于，所述步驟S3中，所述深度貝葉斯神經(jīng)網(wǎng)絡(luò)的貝葉斯推斷過(guò)程采用如下公式：

其中，Di代表第i個(gè)時(shí)間段，為交叉熵函數(shù)，β的取值范圍為0β1，KL為KL散度，定義同一個(gè)隨機(jī)變量x有兩個(gè)單獨(dú)的概率分布p(x)和q(x)，使用KL散度來(lái)衡量p(x)和q(x)的差異，則KL散度的計(jì)算公式為：

對(duì)KL散度的計(jì)算公式進(jìn)行變形可得：

KL的值越小，表示q(x)分布和p(x)分布越接近。