[發(fā)明專利]基站退服告警預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110386101.7
• 申請(qǐng)日: 2021-04-09
• 公開（公告）號(hào): CN115209441A
• 公開（公告）日: 2022-10-18
• 發(fā)明（設(shè)計(jì)）人: 王西點(diǎn);高鵬;王亞楠;高峰;徐晶;王磊;劉武韜;賈子寒;聶臻霖;石鐸;吳曉曦;王國(guó)治;劉大洋;馬敏;程楠;沈驁
• 申請(qǐng)（專利權(quán)）人: 中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司;中國(guó)移動(dòng)通信集團(tuán)有限公司
• 主分類號(hào): H04W24/02
• 分類號(hào): H04W24/02;H04W24/06;G06Q10/04;G06K9/62;G06F40/284;G06F40/126;G06F16/38
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 劉瑞花

1.一種基站退服告警預(yù)測(cè)方法，其特征在于，所述基站退服告警預(yù)測(cè)方法包括：

獲取待預(yù)測(cè)基站在預(yù)設(shè)時(shí)段內(nèi)的歷史運(yùn)維數(shù)據(jù)；

根據(jù)所述歷史運(yùn)維數(shù)據(jù)中的告警數(shù)據(jù)進(jìn)行詞向量編碼，獲得告警特征序列；

通過(guò)預(yù)設(shè)滑動(dòng)窗口對(duì)所述告警特征序列進(jìn)行滑動(dòng)采樣，獲得初始告警樣本；

根據(jù)所述歷史運(yùn)維數(shù)據(jù)為所述初始告警預(yù)測(cè)樣本添加特征，獲得告警預(yù)測(cè)樣本；

通過(guò)預(yù)設(shè)退服告警預(yù)測(cè)模型根據(jù)所述告警預(yù)測(cè)樣本進(jìn)行基站退服告警預(yù)測(cè)。

2.如權(quán)利要求1所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述根據(jù)所述歷史運(yùn)維數(shù)據(jù)中的告警數(shù)據(jù)進(jìn)行詞向量編碼，獲得告警特征序列的步驟，包括：

根據(jù)所述歷史運(yùn)維數(shù)據(jù)中的告警數(shù)據(jù)確定所述待預(yù)測(cè)基站的告警標(biāo)識(shí)；

通過(guò)預(yù)設(shè)word2vec模型將所述告警標(biāo)識(shí)映射為對(duì)應(yīng)的告警詞向量；

對(duì)所述告警詞向量進(jìn)行編碼，獲得告警特征序列。

3.如權(quán)利要求2所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述告警詞向量包含退服告警詞向量和非退服告警詞向量；

所述對(duì)所述告警詞向量進(jìn)行編碼，獲得告警特征序列的步驟，包括：

獲取所述退服告警詞向量和所述非退服告警詞向量之間的詞向量相似度；

根據(jù)所述詞向量相似度計(jì)算所述待預(yù)測(cè)基站的告警編碼值；

根據(jù)所述告警編碼值生成告警特征序列。

4.如權(quán)利要求3所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述根據(jù)所述告警編碼值生成告警特征序列的步驟，包括：

根據(jù)所述告警編碼值統(tǒng)計(jì)所述待預(yù)測(cè)基站在單位時(shí)間周期內(nèi)的告警編碼值之和；

將所述告警編碼值之和作為每一個(gè)單位時(shí)間周期所對(duì)應(yīng)的告警特征值；

根據(jù)所述告警特征值構(gòu)建所述待預(yù)測(cè)基站在所述預(yù)設(shè)時(shí)段內(nèi)的告警特征序列。

5.如權(quán)利要求1至4任一項(xiàng)所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述根據(jù)所述歷史運(yùn)維數(shù)據(jù)為所述初始告警預(yù)測(cè)樣本添加特征，獲得告警預(yù)測(cè)樣本的步驟，包括：

對(duì)所述歷史運(yùn)維數(shù)據(jù)進(jìn)行分析，以獲得所述待預(yù)測(cè)基站對(duì)應(yīng)的歷史退服特征和基站屬性特征；

根據(jù)所述歷史退服特征和所述基站屬性特征為所述初始告警預(yù)測(cè)樣本添加特征，獲得告警預(yù)測(cè)樣本。

6.如權(quán)利要求1至4任一項(xiàng)所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述預(yù)設(shè)退服告警預(yù)測(cè)模型包括：預(yù)設(shè)XGBoost模型和預(yù)設(shè)Lightgbm模型；

所述通過(guò)預(yù)設(shè)退服告警預(yù)測(cè)模型根據(jù)所述告警預(yù)測(cè)樣本進(jìn)行基站退服告警預(yù)測(cè)的步驟，包括：

對(duì)所述告警預(yù)測(cè)樣本進(jìn)行分組，獲得預(yù)設(shè)數(shù)量的告警預(yù)測(cè)子樣本集；

將所述告警預(yù)測(cè)子樣本集分別輸入至所述預(yù)設(shè)XGBoost模型和所述預(yù)設(shè)Lightgbm模型；

對(duì)所述預(yù)設(shè)XGBoost模型輸出的第一預(yù)測(cè)結(jié)果和所述預(yù)設(shè)Lightgbm模型輸出的第二預(yù)測(cè)結(jié)果進(jìn)行加權(quán)求和，獲得基站退服告警預(yù)測(cè)結(jié)果。

7.如權(quán)利要求6所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述獲取待預(yù)測(cè)基站在預(yù)設(shè)時(shí)段內(nèi)的歷史運(yùn)維數(shù)據(jù)的步驟之前，所述方法還包括：

獲取訓(xùn)練樣本，并對(duì)所述訓(xùn)練樣本進(jìn)行GroupKFold分組，獲得多個(gè)子樣本集；

從多個(gè)所述子樣本集中選取一子樣本集作為模型測(cè)試集，將除所述模型測(cè)試集以外的子樣本集作為模型訓(xùn)練集；

根據(jù)所述模型訓(xùn)練集分別對(duì)初始XGBoost模型和初始Lightgbm模型進(jìn)行訓(xùn)練，獲得預(yù)設(shè)XGBoost模型和預(yù)設(shè)Lightgbm模型。

8.如權(quán)利要求7所述的基站退服告警預(yù)測(cè)方法，其特征在于，所述初始XGBoost模型和所述初始Lightgbm模型中的二分類交叉熵?fù)p失函數(shù)為：

式中，F(xiàn)ocal loss為二分類交叉熵?fù)p失函數(shù)，P_i為預(yù)測(cè)概率，α和γ為加權(quán)因子。