[发明专利]一种网络设备预警原型系统

说明书

一种网络设备预警原型系统包括依次电性连接的机房数据采集装置、API接口I/O、数据库存储、时间序列故障预测模型、故障预测GUI界面；时间序列故障预测模型的功能是：通过python语言将当前基于RBM算法的DBN模型进行实现，并调用历史数据进行模型训练；对于训练好的模型，系统会根据现有网络机房的实时数据进行未来一段时间内的时间序列故障预警数据输出；故障预测GUI界面的功能是：通过QT软件开发的系统GUI界面，整个界面中将提取后台模型运行所实现的预警数据，以趋势曲线的形式展示各个设备的时间序列预警情况，并对于近期将出现高风险故障的设备进行红灯展示。本发明应用于智慧校园运维过程中的网络核心路由器管控。

技术领域

本发明涉及一种基于深度学习算法的核心路由器故障预测方法，并根据该方法提出一种预测原型系统。本发明可以应用于智慧校园运维过程中的网络核心路由器管控，实现智能化的网络设备故障预警。

背景技术

现有的故障时间序列方法主要采用统计类方法，包括SSA算法、ARIMA算法、支持向量回归机等。以上算法通过梳理历史故障数据集合，应用相应算法生成故障模型。通过在分析系统中应用故障模型，实现对于现有系统的故障预测。

现有的故障时间序列所提到的三种算法只能对序列中的某一种参数进行预测(例如ARIMA适合进行故障趋势分析，SSA更多用于残差预测，)，不能单独用于数据完整建模。

因此在实际应用中，通常将三种算法进行组合实现，根据所分析系统的故障特点，进行不同组合，实现预测结果的最优化。但是统计类组合方法存在着大量问题：

1.不同算法构建过程复杂，依赖大量的人工参与试验；

2.由不同的统计类算法构成的系统拟合度差，生成的模型非线性程度高，不适合实际使用。

发明内容

本发明要解决的技术问题在于：提出一种网络设备预警原型系统。

为了解决上述技术问题，本发明提出下列技术方案：一种网络设备预警原型系统包括依次电性连接的机房数据采集装置、API接口I/O、数据库存储、时间序列故障预测模型、故障预测GUI界面；

机房数据采集装置的功能是：用于采集网络机房中核心交换的设备相关数据，包括网络流量、端口反压、异常中断、设备使用年限等设备参数，以及机房湿度、机房温度等环境参数；

API接口I/O的功能是：实现软件系统与机房数据采集装置之间的数据IO对接，将各类环境参数以指定协议格式通过API接口发送给软件系统一侧；

数据库存储的功能是：用于整个系统的数据存储，以表项的格式对于系统的上行、下行数据进行集中式管理；

时间序列故障预测模型的功能是：通过python语言将当前基于RBM算法的DBN模型进行实现，并调用历史数据进行模型训练；对于训练好的模型，系统会根据现有网络机房的实时数据进行未来一段时间内的时间序列故障预警数据输出；

故障预测GUI界面的功能是：通过QT软件开发的系统GUI界面，整个界面中将提取后台模型运行所实现的预警数据，以趋势曲线的形式展示各个设备的时间序列预警情况，并对于近期将出现高风险故障的设备进行红灯展示，以实现对于整个核心机房路由器设备的故障预警。

与现有技术相比，本发明具有下列有益效果：本发明提出的一种网络设备预警原型系统，使用单一深度学习算法，模型构建简单耦合性强，并能够实现输入参数的自动分类，同步实现网络设备的故障预测，很好的解决了现有统计类时间序列算法的缺陷问题。

附图说明

图1是网络设备预警原型系统示意图。

图2是基于RBM算法的DBN时间序列预测模型。

图3是RMB策略架构图。