[发明专利]一种用于小区故障告警的预测方法及装置

权利要求书

1.一种用于小区故障告警的预测方法，其特征在于，包括：

获取与目标小区相关的多个性能指标，并对所述多个性能指标进行预处理，得到目标输入参数；

将所述目标输入参数作为预设模型的输入参数，通过所述预设模型预测是否存在影响所述目标小区的网络连接服务的目标故障；

其中，所述预设模型根据与目标小区相关的多个性能指标、以及对应于多个性能指标的告警码信息，进行模型训练得到；

所述预设模型的模型训练包括：

获取训练样本，对所述训练样本中的所述多个性能指标进行所述预处理，得到样本输入参数，并判断所述训练样本中的告警码信息是否为存在影响所述目标小区的网络连接服务故障的目标故障告警；

所述判断所述训练样本中的告警码信息是否为存在影响所述目标小区的网络连接服务故障的目标故障告警通过对所述告警码信息进行二值化实现；

所述获取训练样本包括：

根据所述多个性能指标中的每一性能指标的数值分布，采用分层随机抽样获取多个所述训练样本；所述采用分层随机抽样获取多个所述训练样本包括：对所述性能指标的数值进行描述性分析，并可视化呈现所述数值分布的偏度和峰度；根据所述数值分布的偏度和峰度进行分层随机抽样；

其中，所述描述性分析包括均值、中位数、众数、方差、四分位数和对因子值数据进行频数；

所述预处理包括：

对所述多个性能指标进行数据标准化；

对所述多个性能指标中数值连续变化的性能指标，进行离散化；

根据对所述多个性能指标进行的相关性分析结果，对所述多个性能指标进行数据降维，得到所述目标输入参数或者所述样本输入参数。

2.根据权利要求1中所述的方法，其特征在于，所述预设模型的模型训练还包括：

将所述样本输入参数作为人工神经网络的输入参数，将所述训练样本中的告警码信息是否为所述目标故障告警作为所述人工神经网络的期望输出，对所述人工神经网络进行模型训练；

将实际输出和期望输出之间的误差小于或等于预设误差的人工神经网络作为所述预设模型；

其中，所述训练样本包括与所述目标小区相关的所述多个性能指标，以及对应于所述多个性能指标的告警码信息。

3.根据权利要求1中所述的方法，其特征在于，还包括：

若存在影响所述目标小区的网络连接服务的目标故障，发出对应于所述目标故障的提示信息。

4.一种用于小区故障告警的预测装置，其特征在于，包括：

获取模块，用于获取与目标小区相关的多个性能指标，并对所述多个性能指标进行预处理，得到目标输入参数；

预测模块，用于将所述目标输入参数作为预设模型的输入参数，通过所述预设模型预测是否存在影响所述目标小区的网络连接服务的目标故障；

其中，所述预设模型根据与目标小区相关的多个性能指标、以及对应于多个性能指标的告警码信息，进行模型训练得到；

所述预测模块还用于获取训练样本，对所述训练样本中的所述多个性能指标进行所述预处理，得到样本输入参数，并判断所述训练样本中的告警码信息是否为存在影响所述目标小区的网络连接服务故障的目标故障告警；

所述用于小区故障告警的预测装置还包括提示模块，所述提示模块用于若存在影响所述目标小区的网络连接服务的目标故障，发出对应于所述目标故障的提示信息；所述判断所述训练样本中的告警码信息是否为存在影响所述目标小区的网络连接服务故障的目标故障告警通过对所述告警码信息进行二值化实现；

所述获取训练样本包括：

根据所述多个性能指标中的每一性能指标的数值分布，采用分层随机抽样获取多个所述训练样本；所述采用分层随机抽样获取多个所述训练样本包括：对所述性能指标的数值进行描述性分析，并可视化呈现所述数值分布的偏度和峰度；根据所述数值分布的偏度和峰度进行分层随机抽样；

其中，所述描述性分析包括均值、中位数、众数、方差、四分位数和对因子值数据进行频数；

所述预处理包括：

对所述多个性能指标进行数据标准化；

对所述多个性能指标中数值连续变化的性能指标，进行离散化；

根据对所述多个性能指标进行的相关性分析结果，对所述多个性能指标进行数据降维，得到所述目标输入参数或者所述样本输入参数。