[发明专利]一种故障检测方法及装置

说明书

本发明实施例公开了一种故障检测方法及装置，能够提高KPI故障检测的精确性。本发明实施例方法包括：获取待检测话统数据的关键性能指标KPI参数；利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率；当所述异常概率大于预设门限值时，确定所述待检测话统数据的KPI参数处于故障状态。

技术领域

本发明涉及通信领域，特别涉及一种故障检测方法及装置。

背景技术

电信网络运维是保证通信网络正常运转的必要环节，KPI(Key PerformanceIndicator，关键性能指标)故障检测是运维的核心工作之一，因为只有正确检测到故障，才能进行故障处理。传统的故障检测基于人工经验设置固定门限，超出门限就认为是故障。但由于网络场景和结构的复杂性，同一KPI在不同的局点，其门限有可能不同；即便是同一KPI在同一局点，由于网络的改造，KPI的门限亦有可能会发生变化，如果都通过手动方式去设置，不仅耗费大量的人力，准确性也难以保证。基于数据挖掘的方法，通过对历史数据的学习，自适应地对故障进行检测可以较好地解决这个问题。

当前有少数科研机构或者公司提供了基于数据挖掘的故障检测技术，主要思路基于正常数据进行建模，然后观察预测数据与真实数据的差异，根据差异的大小确定是否为异常点。

一方面，不同维度的KPI的模型很难用一种方法完全覆盖，那么就涉及到模型的选择问题；另一方面，某些KPI的建模难度很大，精度无法保证。另外，根据差异的大小确定是否为异常点仍然需要设置门限，且门限设置难度不亚于上述提及的KPI的门限难度。

发明内容

本申请提供了一种故障检测方法及装置，能够提高KPI故障检测的精确性。

本申请第一方面提供了一种故障检测方法，该方法应用于服务器。基站等终端设备采集话统数据，并上报给服务器，服务器从基站等终端设备上报的话统数据中获取待检测话统数据的关键性能指标KPI参数，然后利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率。通过该LoOP算法将KPI参数分解为多个因素以确定该KPI的变化特征，从而确定该KPI参数的异常概率。当所述异常概率大于预设门限值时，确定所述待检测话统数据的KPI参数处于故障状态。本申请提供的故障检测方法无需人为设置门限且所设门限值不需根据KPI的不同而变化，从而提高KPI故障检测的精确性。

其中，该关键性能指标KPI参数可以是单一维度的KPI或者是多个维度的KPI，获取KPI的方式可以采用实时在线的方式或是离线的方式。该KPI可以是掉话率、拥塞率、最坏小区比、无线接入性、无线接通率或超忙小区。

如果该KPI参数为单维度KPI参数，那么利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率的具体实现方式可参考如下：

首先对该单维度KPI参数进行时间序列提取，将该单维度KPI参数转换为时域上的KPI信息。具体可按照时间点对输入数据进行汇总，汇总方式可以是平均值、求和等统计量，此处不详细描述。将该单维度KPI参数转换为时域上的KPI信息之后，进一步的，确定该时域上的KPI信息所对应的随机波动数据，从而利用局部异常概率LoOP算法确定所述随机波动数据的异常概率。

上述确定该时域上的KPI信息所对应的随机波动数据的具体实现方式可参考如下：