[发明专利]业务质量监控方法和设备

说明书

本发明提供一种业务质量监控方法和设备。该方法，包括：获取目标网元在过去N个时刻的流量数据，所述流量数据包括：流入所述目标网元的流量和流出所述目标网元的流量中的至少一种，其中，N为大于或者等于1的整数；根据所述过去N个时刻的流量数据和预先训练的预测模型，预测所述目标网元在未来N个时刻的流量数据；根据所述未来N个时刻的流量数据和未来N个时刻的实际监测数据，确定所述目标网元的业务质量。和现有技术中人工设置告警基线相比，本实施例通过预测模型预测得到的流量数据和业务特性更加匹配，因此依据预测模型预测得到的流量数据来确定的业务质量准确度更高。

技术领域

本发明涉及大数据领域，尤其涉及一种业务质量监控方法和设备。

背景技术

随着互联网技术和移动终端技术的不断发展，使用移动数据的用户规模不断扩大，造成运营商核心网的移动数据流量急速增长，数通设备链路负荷持续走高。数通设备链路负荷与移动数据的业务质量息息相关，对业务质量进行实时监控现已成为核心网运维工作的重点。

现有技术中，通常采用如下方式对数通设备的业务质量进行监控：工作人员手动设置一个固定的告警基线，数通设备的流量超过该告警基线时，实时反馈至网管系统，网管系统根据数通设备反馈的信息判断该数通设备的业务质量。然而，工作人员往往是基于以往的经验设置上述告警基线的，采用上述方法得到的业务质量准确度不高。

发明内容

本发明提供一种业务质量监控方法和设备，用于解决现有技术确定的业务质量准确度不高的问题。

第一方面，本发明提供一种业务质量监控方法，包括：

获取目标网元在过去N个时刻的流量数据，所述流量数据包括：流入所述目标网元的流量和流出所述目标网元的流量中的至少一种，其中，N为大于或者等于1的整数；

根据所述过去N个时刻的流量数据和预先训练的预测模型，预测所述目标网元在未来N个时刻的流量数据；

根据所述未来N个时刻的流量数据和未来N个时刻的实际监测数据，确定所述目标网元的业务质量。

可选的，所述根据所述过去N个时刻的流量数据和预先训练的预测模型，预测所述目标网元在未来N个时刻的流量数据之前，还包括：

获取所述预测模型，所述预测模型用于指示所述目标网元在过去N个时刻的流量数据与在未来N个时刻的流量数据的关系。

可选的，所述获取所述预测模型，包括：

从数据库中提取所述目标网元在过去M个时刻的样本数据；

根据所述样本数据，训练得到所述预测模型。

可选的，所述根据所述样本数据，训练得到所述预测模型，包括：

根据所述样本数据，建立基于时间序列的流量深度学习模型；

对所述流量深度学习模型进行训练，得到所述预测模型。

可选的，所述对所述流量深度学习模型进行训练，得到所述预测模型，包括：

初始化所述流量深度学习模型的模型参数；

根据所述样本数据，调节所述模型参数；

当所述流量深度学习模型的预测精度达到预设阈值时，根据对应的模型参数确定所述预测模型。

可选的，所述根据所述样本数据，调节所述模型参数，包括：

根据所述样本数据，计算所述流量深度学习模型计算结果的偏差程度；

根据所述计算结果的偏差程度，调节所述模型参数。