The embodiment of this application provides a fault prediction method and device, which fits the feature data extracted from real-time KPI data into a curve, gives a fault indication when the amplitude of the curve is not within the preset range, and outputs the type probability of the fault. Compared with the existing fault detection methods, it can predict faults, reduce the pressure and lag caused by manual analysis, has higher real-time and accuracy, and can reduce the possibility of missed alarm and false alarm.
【技术实现步骤摘要】
一种故障预测方法及装置
本申请涉及电子信息领域，尤其涉及一种故障预测方法及装置。
技术介绍
目前，在运营商的移动业务支撑领域以及业务支撑领域，排查故障的过程为：通过人工方式查询代码进行分析，使用人工排除的模式逐步定位问题。运营时遇到的故障，事后对收集到的数据进行人工分析，得到故障原因。现有的故障排查方式，只能在故障发生后进行，而不具备预测的前瞻性。因此，如何有效对故障进行预测，成为目前亟待解决的问题。
技术实现思路
本申请提供了一种故障预测方法及装置，目的在于解决如何有效对故障进行预测的问题。为了实现上述目的，本申请提供了以下技术方案：一种故障预测方法，包括：从实时关键绩效指标KPI数据中提取特征数据；将提取的所述特征数据拟合为曲线；在所述曲线的幅值不在预设范围的情况下，输出故障的类型概率。可选的，在所述输出故障的类型概率之前，还包括：在所述曲线的幅值不在预设范围的情况下，发出故障提示。可选的，在所述从实时关键绩效指标KPI数据中提取特征数据之前，还包括：采用根因分析法，确定待提取的所述特征数据的类型。可选的，所述采用根因分析法包括：使用决策树进行根因分析，或者，将根...
【技术保护点】
1.一种故障预测方法，其特征在于，包括：从实时关键绩效指标KPI数据中提取特征数据；将提取的所述特征数据拟合为曲线；在所述曲线的幅值不在预设范围的情况下，输出故障的类型概率。
【技术特征摘要】
1.一种故障预测方法，其特征在于，包括：从实时关键绩效指标KPI数据中提取特征数据；将提取的所述特征数据拟合为曲线；在所述曲线的幅值不在预设范围的情况下，输出故障的类型概率。2.根据权利要求1所述的方法，其特征在于，在所述输出故障的类型概率之前，还包括：在所述曲线的幅值不在预设范围的情况下，发出故障提示。3.根据权利要求1或2所述的方法，其特征在于，在所述从实时关键绩效指标KPI数据中提取特征数据之前，还包括：采用根因分析法，确定待提取的所述特征数据的类型。4.根据权利要求3所述的方法，其特征在于，所述采用根因分析法包括：使用决策树进行根因分析，或者，将根问题转化成多个分类问题，使用神经网络，得到各个分类问题导致根问题的概率。5.根据权利要求1或2所述的方法，其特征在于，所述在所述曲线的幅值不在预设范围的情况下，输出故障的类型概率包括：使用经过预先的分类器，在所述曲线的幅值不在预设范围的情况下，输出故障的类型概率；所述分类器的预先训练过程包括：从历史KPI数据中提取特征数据；获取人工提供的所述特征数据的标记信息；使用所述特征数据以及所述特征数据的标记信息，训练所述分类器。6.一种故障预测装置，其特征在于，包括：提取模块，用于从实...
【专利技术属性】
技术研发人员：庄一鸣，
申请(专利权)人：亚信科技中国有限公司，
类型：发明
国别省市：北京,11
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。