[发明专利]一种应用AI智能故障压缩研究方法及其系统

权利要求书

1.一种电信网络故障压缩方法，包括：

获取电信网络告警信息、性能信息、日志信息和设备资源信息；

根据各告警信息、性能信息、日志信息中包含的发生设备信息，建立关联所述多个设备资源信息与所述告警信息、所述性能信息、所述日志信息的关联数据集；所述关联数据集包含所述设备资源信息；所述关联数据集中包含所述告警信息、所述性能信息、所述日志信息中至少一种；

依据时间窗口，以及关联数据集中告警信息、性能信息、日志信息的发生时间切分关联数据集，得到多个数据集，并将所述数据集输入故障压缩模型，由所述故障压缩模型输出故障根源信息；所述故障压缩模型由训练得到；

所述训练所述故障压缩模型包括挖掘告警时间窗口数据集之中各个告警信息、性能信息、日志信息之间存在的关联规则。

2.根据权利要求1所述的方法，还包括，在所述切分关联数据集之前，清除所述关联数据集中包含的无价值异常数据，将所述关联数据集中包含的异构数据和非标准化数据的数据格式转换为标准化格式。

3.根据权利要求1所述的方法，还包括，将所述故障根源信息，发送给具有处理权的人员。

4.根据权利要求1所述的方法，其特征在于，所述告警信息、性能信息、日志信息和设备资源信息由Spark采集；所述告警信息、性能信息、日志信息和设备资源信息，以及所述关联数据集存储于Hadoop HDFS分布式文件系统。

5.根据权利要求1所述的方法，其特征在于，所述转换包括归一化处理。

6.一种电信网络故障压缩模型的训练方法，包括：

获取电信网络告警信息、性能信息、日志信息和设备资源信息；

根据各告警信息、性能信息、日志信息中包含的发生设备信息，建立关联所述多个设备资源信息与所述告警信息、所述性能信息、所述日志信息的关联数据集；所述关联数据集必须包含所述设备资源信息；所述关联数据集中包含所述告警信息、所述性能信息、所述日志信息中至少一种；

依据时间窗口设定，以及关联数据集中告警信息、性能信息、日志信息的发生时间切分所述关联数据集，得到多个数据集，并将所述数据集输入故障压缩模型，所述训练所述故障压缩模型包括挖掘所述数据集之中各个告警信息、性能信息、日志信息之间存在的关联规则，并根据所述关联规则,判断各告警信息、性能信息、日志信息中哪些是故障根源信息，输出所述故障根源信息；

对所述故障根源信息进行评价，根据评价结果调整所述故障压缩模型。

7.根据权利要求6所述的方法，还包括，在所述切分关联数据集之前，清除所述关联数据集中包含的无价值异常数据，将所述关联数据集中包含的异构数据和非标准化数据的数据格式转换为统一格式。

8.根据权利要求6所述的方法，其特征在于，所述故障压缩模型挖掘告警时间窗口数据集之中各个告警信息、性能信息、日志信息之间存在的关联规则，包括：根据告警时间窗口内若干时间片的划分设定，以及告警时间窗口数据集，计算所述时间片内各告警信息、性能信息、日志信息之间的支持度、置信度和平衡因子，并根据所述支持度、置信度和平衡因子确定各事件之间是否存在关联规则。

9.根据权利要求6所述的方法，其中，调节所述故障压缩模型包括，调节所述故障压缩模型的参数，所述参数包括支持度、置信度以及平衡因子的取舍范围阈值；挖掘所述关联规则使用的算法为Apriori和FP-Growth算法。

10.一种电信网络故障压缩系统，包括：

数据采集模块，配置为获取电信网络告警信息、性能信息、日志信息和设备资源信息；根据各告警信息、性能信息、日志信息中包含的发生设备信息，建立关联所述多个设备资源信息与所述告警信息、所述性能信息、所述日志信息的关联数据集；所述关联数据集包含所述设备资源信息；所述关联数据集中包含所述告警信息、所述性能信息、所述日志信息中至少一种；清除所述关联数据集中包含的无价值异常数据，将所述关联数据集中包含的异构数据和非标准化数据的数据格式转换为统一格式；

训练模块，配置为依据时间窗口设定，以及关联数据集中告警信息、性能信息、日志信息的发生时间切分所述关联数据集，得到多个数据集，并将所述数据集输入故障压缩模型，所述训练所述故障压缩模型包括挖掘所述数据集之中各个告警信息、性能信息、日志信息之间存在的关联规则，并根据所述关联规则,判断各告警信息、性能信息、日志信息中哪些是故障根源信息，输出所述故障根源信息；对所述故障根源信息进行评价，根据评价结果调整所述故障压缩模型；

应用模块，配置为依据时间窗口设定，以及关联数据集中告警信息、性能信息、日志信息的发生时间切分关联数据集，得到多个数据集，并将所述数据集输入故障压缩模型，由所述故障压缩模型输出故障根源信息。