[發(fā)明專利]一種識(shí)別光通道生命周期運(yùn)維狀態(tài)的方法與裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110227947.6
• 申請(qǐng)日: 2021-03-02
• 公開（公告）號(hào): CN113037365B
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 彭智聰;余萌
• 申請(qǐng)（專利權(quán)）人: 烽火通信科技股份有限公司;武漢光網(wǎng)信息技術(shù)有限公司
• 主分類號(hào): H04B10/07
• 分類號(hào): H04B10/07;G06N20/00
• 代理公司: 深圳市六加知識(shí)產(chǎn)權(quán)代理有限公司 44372
• 代理人: 崔肖肖;向彬

本發(fā)明公開了一種識(shí)別光通道生命周期運(yùn)維狀態(tài)的方法與裝置，通過(guò)網(wǎng)管系統(tǒng)采集當(dāng)前網(wǎng)絡(luò)的歷史數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)定義光通道生命周期運(yùn)維狀態(tài)，歷史數(shù)據(jù)包括拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)、歷史告警數(shù)據(jù)和歷史性能數(shù)據(jù)；通過(guò)主動(dòng)學(xué)習(xí)對(duì)采集的歷史數(shù)據(jù)進(jìn)行樣本標(biāo)注，得到包含多個(gè)已標(biāo)注數(shù)據(jù)的已標(biāo)注樣本集；對(duì)已標(biāo)注樣本集中的數(shù)據(jù)進(jìn)行特征工程加工，并調(diào)用機(jī)器學(xué)習(xí)算法對(duì)加工后的數(shù)據(jù)進(jìn)行訓(xùn)練，得到光通道生命周期運(yùn)維狀態(tài)識(shí)別模型；針對(duì)待測(cè)光通道調(diào)用光通道生命周期運(yùn)維狀態(tài)識(shí)別模型，得到待測(cè)光通道的光通道生命周期運(yùn)維狀態(tài)，并根據(jù)對(duì)應(yīng)的特征定位隱患位置和原因。通過(guò)上述方案可快速準(zhǔn)確地識(shí)別光通道生命周期運(yùn)維狀態(tài)，并提前預(yù)知故障和定位故障原因。

技術(shù)領(lǐng)域

本發(fā)明屬于OTN網(wǎng)絡(luò)智能運(yùn)維技術(shù)領(lǐng)域，更具體地，涉及一種識(shí)別光通道生命周期運(yùn)維狀態(tài)的方法與裝置。

背景技術(shù)

光網(wǎng)絡(luò)是信息社會(huì)的基石，互聯(lián)網(wǎng)、4G/5G，以及電力、金融等行業(yè)網(wǎng)絡(luò)均基于光網(wǎng)絡(luò)來(lái)進(jìn)行承載，光網(wǎng)絡(luò)一旦發(fā)生故障，最終用戶將直接面臨業(yè)務(wù)中斷、修復(fù)周期長(zhǎng)等嚴(yán)重問(wèn)題。如何在光網(wǎng)絡(luò)故障發(fā)生前及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)隱患，預(yù)防故障，一直是電信運(yùn)維領(lǐng)域的重要挑戰(zhàn)。

傳統(tǒng)運(yùn)維方案通常是在網(wǎng)管系統(tǒng)中根據(jù)經(jīng)驗(yàn)設(shè)置固定的性能閾值和告警方式，當(dāng)發(fā)生故障時(shí)，由人工從大量繁雜的告警信息中定位問(wèn)題。但這種運(yùn)維方法往往存在以下缺陷：效率低，極度依賴運(yùn)維人員的運(yùn)維經(jīng)驗(yàn)，準(zhǔn)確率低，隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大，人工判斷也越來(lái)越不現(xiàn)實(shí)；很難在網(wǎng)絡(luò)發(fā)生故障前及時(shí)發(fā)現(xiàn)問(wèn)題，提前定位排除隱患，做到主動(dòng)提前運(yùn)維，而當(dāng)發(fā)生故障時(shí)再進(jìn)行排查定位已經(jīng)晚了；故障發(fā)生后，由于業(yè)務(wù)故障數(shù)據(jù)分散，缺少有效關(guān)聯(lián)分析，運(yùn)營(yíng)商也無(wú)法實(shí)時(shí)識(shí)別故障類型、快速解決問(wèn)題。

目前，隨著人工智能技術(shù)的發(fā)展，各行各業(yè)都開始利用機(jī)器學(xué)習(xí)解決自身領(lǐng)域的問(wèn)題，提升效率、降低成本。而在OTN(Optical Transport Network，即光傳送網(wǎng))網(wǎng)絡(luò)領(lǐng)域中，由上可知，隨著網(wǎng)絡(luò)規(guī)模的日益擴(kuò)大和5G網(wǎng)絡(luò)的飛速發(fā)展，傳統(tǒng)的人工運(yùn)維方式已不能滿足快速定位問(wèn)題解決故障隱患的需要了，引入人工智能技術(shù)的輔助來(lái)提升運(yùn)維效率已經(jīng)是行業(yè)內(nèi)的共識(shí)。但由于機(jī)器學(xué)習(xí)模型需要大量的真實(shí)樣本進(jìn)行訓(xùn)練，在當(dāng)前電信領(lǐng)域數(shù)據(jù)不公開的背景下，樣本數(shù)據(jù)少、質(zhì)量不高，再加上光網(wǎng)絡(luò)領(lǐng)域涉及大量的通信行業(yè)專業(yè)知識(shí)，找出特定的特征規(guī)律并不容易，因此將機(jī)器學(xué)習(xí)方法應(yīng)用在OTN光網(wǎng)絡(luò)領(lǐng)域中幫助提升運(yùn)維效率在行業(yè)內(nèi)還處于探索階段。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種識(shí)別光通道生命周期運(yùn)維狀態(tài)的方法與裝置，其目的在于基于小樣本機(jī)器學(xué)習(xí)的方法訓(xùn)練識(shí)別模型，來(lái)識(shí)別光通道生命周期運(yùn)維狀態(tài)，由此解決傳統(tǒng)依賴人工判斷的運(yùn)維方案效率低、準(zhǔn)確率低，且難以提前定位排除隱患的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種識(shí)別光通道生命周期運(yùn)維狀態(tài)的方法，包括：

通過(guò)網(wǎng)管系統(tǒng)采集當(dāng)前網(wǎng)絡(luò)的歷史數(shù)據(jù)，根據(jù)所述歷史數(shù)據(jù)定義光通道生命周期運(yùn)維狀態(tài)；其中，所述歷史數(shù)據(jù)包括拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)、歷史告警數(shù)據(jù)和歷史性能數(shù)據(jù)；

通過(guò)主動(dòng)學(xué)習(xí)對(duì)采集的歷史數(shù)據(jù)進(jìn)行樣本標(biāo)注，得到包含多個(gè)已標(biāo)注數(shù)據(jù)的已標(biāo)注樣本集；

對(duì)所述已標(biāo)注樣本集中的數(shù)據(jù)進(jìn)行特征工程加工，并調(diào)用機(jī)器學(xué)習(xí)算法對(duì)加工后的數(shù)據(jù)進(jìn)行訓(xùn)練，得到光通道生命周期運(yùn)維狀態(tài)識(shí)別模型；

針對(duì)待測(cè)光通道調(diào)用所述光通道生命周期運(yùn)維狀態(tài)識(shí)別模型，得到所述待測(cè)光通道的光通道生命周期運(yùn)維狀態(tài)，并根據(jù)對(duì)應(yīng)的特征定位隱患位置和原因。

優(yōu)選地，所述通過(guò)網(wǎng)管系統(tǒng)采集當(dāng)前網(wǎng)絡(luò)的歷史數(shù)據(jù)，根據(jù)所述歷史數(shù)據(jù)定義光通道生命周期運(yùn)維狀態(tài)，具體為：

通過(guò)網(wǎng)管系統(tǒng)對(duì)應(yīng)的接口分別從數(shù)據(jù)庫(kù)中獲取當(dāng)前網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)、歷史告警數(shù)據(jù)和歷史性能數(shù)據(jù)，并根據(jù)拓?fù)浣Y(jié)構(gòu)將歷史告警數(shù)據(jù)和歷史性能數(shù)據(jù)按照光通道維度進(jìn)行關(guān)聯(lián)；