【技术实现步骤摘要】
【国外来华专利技术】用于网络时间序列数据的自适应的基于异常检测的预测器相关申请的交叉引用本申请要求获得于2016年3月22日提交的题为“用于网络时间序列数据的自适应的基于异常检测的预测器”的15/077,762号美国非临时专利申请的优先权,而其要求获得于2015年3月24日提交的62/137,669号美国临时申请的优先权,其全部内容于此通过引用并入本申请。
本专利技术涉及网络管理,并且在特定实施例中涉及用于网络时间序列数据的自适应的基于异常检测的预测器。
技术介绍
业务数据随时间变化。然而,这种随时间的变化常常具有潜在的模式,例如季节性,趋势,变量间相关性等。基于机器学习原理的算法能够进行强大的模式识别,并且因此是所期望的,因为它们可以自动揭示和利用历史数据内的结构以表征业务行为的性质,并在给定过去和当前的情况下预测未来的性能(KPI,业务等)。为此,时间序列预测算法在历史数据方面被“训练”(参数优化)并被在线应用以在给定数据变量的当前和刚刚经过的过去(例如,在窗口中)值的情况下预测之后的值。预测的准确性非常重要,因为潜在的应用基于关键性能指标的未来预测值做出决策选择(例如,无线网络自优化或SON,例如,移动性负载平衡)。
技术实现思路
在一个示例实施例中,一种用于预测未来网络时间序列数据的值的网络组件中的计算机实现的方法包括:用一个或更多个接收器接收网络时间序列数据;用一个或更多个处理器确定在所述网络时间序列数据中是否检测到异常;当在所述网络时间序列数据中没有检测到异常时,用所述一个或更多个处理器根据主预测器生成与所述网络数据相关联的预测;当检测到所述网络时间序列数据中的异常时 ...
【技术保护点】
一种网络组件中的计算机实现的方法,用于预测未来网络时间序列数据的值,包括:用一个或更多个接收器接收网络时间序列数据;用一个或更多个处理器确定在所述网络时间序列数据中是否检测到异常;当在所述网络时间序列数据中没有检测到异常时,用所述一个或更多个处理器根据主预测器生成与所述网络数据相关联的预测;当检测到所述网络时间序列数据中的异常时,用所述一个或更多个处理器根据替代预测器来生成与所述网络数据相关联的所述预测;以及用一个或更多个发送器向网络控制器发送所述预测,其中所述网络控制器使用所述预测来调整网络参数。
【技术特征摘要】
【国外来华专利技术】2015.03.24 US 62/137,669;2016.03.22 US 15/077,7621.一种网络组件中的计算机实现的方法,用于预测未来网络时间序列数据的值,包括:用一个或更多个接收器接收网络时间序列数据;用一个或更多个处理器确定在所述网络时间序列数据中是否检测到异常;当在所述网络时间序列数据中没有检测到异常时,用所述一个或更多个处理器根据主预测器生成与所述网络数据相关联的预测;当检测到所述网络时间序列数据中的异常时,用所述一个或更多个处理器根据替代预测器来生成与所述网络数据相关联的所述预测;以及用一个或更多个发送器向网络控制器发送所述预测,其中所述网络控制器使用所述预测来调整网络参数。2.根据权利要求1所述的计算机实现的方法,其中,所述主预测器根据历史数据训练。3.根据权利要求1至2中任一项所述的计算机实现的方法,所述确定是否检测到异常包括将根据所述主预测器确定的先前预测与观测值进行比较。4.根据权利要求1至3中任一项所述的计算机实现的方法,其中,当根据所述主预测器确定的预测值与观察值相差大于阈值时,检测到所述异常。5.根据权利要求1至4中任一项所述的计算机实现的方法,其中,当在指定时间段内根据所述主预测器确定的与相应的观察值相差大于阈值的预测值的数量超过预定数量时,检测到所述异常。6.根据权利要求1至5中任一项所述的计算机实现的方法,其中所述主预测器包括隐马尔可夫模型。7.根据权利要求1至6中任一项所述的计算机实现的方法,其中确定在所述网络时间序列数据中是否检测到异常包括根据隐马尔可夫模型确定所述异常。8.根据权利要求1至7中任一项所述的计算机实现的方法,其中所述替代预测器包括当前数据预测器和高斯混合模型GMM中的一个。9.根据权利要求1至8中任一项所述的计算机实现的方法,其中确定是否检测到异常包括确定所观察的数据点的发生的似然性。10.根据权利要求1至9中任一项所述的计算机实现的方法,其中,当在指定时间段内所计算出的低于阈值的似然性值的数量超过预定数量时,检测到所述异常。11.根据权利要求1至9中任一项所述的计算机实现的方法,其中,根据从所述历史数据构建的高斯混合模型GMM模型计算所述似然性。12.根据权利要求1至11中任一项所述的计算机实现的方法,其中所述GMM模型包括从所述历史数据习得的参数。13.根据权利要求1至9中任一项所述的计算机实现的方法,其中根据从所述历史数据构建的隐马尔可夫模型HMM模型(即,习得的参数)计算所述似然性。14.根据权利要求1至13中任一项所述的计算机实现的方法,其中所述HMM模型包括从所述历史数据习得的参数。15.一种网络组件,包括:处理器;和非暂时性计算机可读存储介质,存储用于由所述处理器执行的程序,所述程序包括用于以下操作的指令:在所述网络组件处接收网络时间序列数据;用所述网络组件确定在所述网络时间序列数据中是否检测到异常;当在所述网络时间序列数据中没有检测到异常时,根据主预测器生成与所述网络数据相关联的预测;当检测到所述网络时间序列数据中的异常时,根据替代预测器来生成与所述网络数据相关联的所述预测;以及用所述...
【专利技术属性】
技术研发人员:南渡·戈帕拉克里希南,胡一瑞,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。