[发明专利]一种基于决策树的ONU故障诊断方法

说明书

技术领域

本发明涉及电力通信网ONU故障诊断技术领域，具体涉及一种基于决策树的ONU故障诊断方法。

背景技术

PON(无源光纤网络)技术可以提高光纤资源的利用率，但是在上行链路中容易受到干扰，影响PON系统的稳定运行。另外，PON系统传输距离延伸环境下，增加了相关光信号延伸设备，使这个问题更加复杂。一般来说，产生干扰的原因主要包括：长发光、发光超出或偏离授权窗口、消光比不达标、特定情况下短时发光或随机突发式乱发光等几种。从已有研究成果可知，长发光对业务的影响最为严重。所以，解决长发光问题，是当前的研究重点。

已有相关研究提出了一些长发光告警诊断方法，包括信号扫描法、虚拟ONU法。但是，在这些算法中，需要人工积累判断规则，然后基于判断规则和告警信息，通过人工打开和关闭发光器、电源开关等措施，进行故障诊断，这种故障诊断的效率较低。

为了提高ONU(光网络单元)故障诊断的效率，本发明提出了基于决策树的ONU故障诊断算法。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于决策树的ONU故障诊断方法，代替人工故障诊断方法，提高故障诊断的效率。

为解决上述技术问题，本发明提供了一种基于决策树的ONU故障诊断方法，其特征是，包括以下步骤：

步骤S1，采集一段时间内ONU的状态特征与故障、告警特征与故障以及性能特征与故障，挖掘出特征与故障之间的对应关系；

步骤S2，根据特征与故障之间的对应关系，构建决策树；

步骤S3，采集ONU实时特征，输入决策树中进行ONU故障诊断；

步骤S4，对故障诊断的结果进行性能分析，如果不满足性能要求，则重新构造决策树。

进一步的，步骤S1中，采用HBase新型数据库存储采集到的特征与故障数据。

进一步的，步骤S2中，采用Hunt算法来构建决策树。

进一步的，采用Hunt算法创建决策树时，采用信息熵选择最好的数据特征，来划分数据集。

进一步的，采用信息熵选择最好的数据特征来划分数据集的过程为：如果给定一个节点t，它的条件熵计算公式如下：Entropy(t)＝-∑_jp(j|t)logp(j|t)，其中，p(j|t)表示给定节点t中属于类j的记录所占的比例，定义信息增益如下：

其中，n_i表示与特征i相关联的记录个数，k表示特征值的个数，p表示当前节点的父节点，n表示父节点p中的数据个数。

进一步的，决策树采用文件存储方式。

进一步的，步骤S4中，采用准确率和误报率来分析ONU故障诊断结果的性能，准确率和误报率的计算公式见下式：

与现有技术相比，本发明所达到的有益效果是：本发明能够用于代替人工故障诊断方法，提高了故障诊断的效率，而且取得了较高的准确率、较低的误报率。

附图说明

图1为本发明方法的流程图；

图2为实施例中采用本发明方法的准确率性能分析的示意图；

图3是实施例中采用本发明方法的误报率性能分析的示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

为解决PON系统上行链路中容易受到干扰，影响PON系统的稳定运行等问题。本发明的一种基于决策树的ONU故障诊断方法，如图1所示，包括以下步骤：

步骤S1，采集一段时间内ONU的状态特征与故障、告警特征与故障以及性能特征与故障，挖掘出特征与故障之间的对应关系；

通过OLT、ONU的OAM模块获取运行、维护等数据，从EPON系统的MPCP模块获取协议消息数据，从这些数据中抽取出状态特征与故障、告警特征与故障、性能特征与故障等数据。然后基于维护经验，挖掘出关键特征，以及关键特征组合下的故障诊断结果。

例如：当诊断发现部分ONU满足以下特征组合时，则可将其列为疑似故障ONU。特征1：多个ONU发生告警的时间与单个ONU告警修复的时间间隔小于N分钟；特征2：同一时间内，多于1个ONU在线；特殊3：多个ONU发生告警的时间间隔小于M分钟；特征4：多个ONU误码率超过K比特；特征5：出现长发光的ONU数量发生变化；特征6：ONU与OLT之间的通信时间超出正常阈值。