一种通信网络性能故障致因与特征参数关联关系分析方法技术

本发明专利技术公开了一种通信网络性能故障致因与特征参数关联关系分析方法，通信网络故障诊断技术领域。所述方法获取待分析通信网络性能故障的特征参数数据，采用预先建立的超限学习机通信网络性能故障分析模型，对待分析的通信网络性能故障的特征参数进行处理，从而分析出此特征参数对应的通信网络性能故障种类。本发明专利技术实现了通信网络性能故障种类有效准确的分析，通过选取sigmoid激活函数和高斯径向基函数这两种不同的激活函数，增强了传统超限学习机模型的泛化能力，提高了模型精度。

【技术实现步骤摘要】
一种通信网络性能故障致因与特征参数关联关系分析方法
本专利技术属于通信网络故障诊断
，涉及一种通信网络性能故障致因与特征参数关联关系分析方法，尤其涉及一种基于改进ELM的通信网络性能故障致因与特征参数关联关系分析方法。
技术介绍
通信网络故障的影响因素众多，而且多因素复杂耦合，动态时变，进行故障致因与特征参数关联关系分析时，需要考虑整个网络系统的配置、耦合，故障间呈现出复杂的关联关系：一个故障往往引发多个其他故障，这些故障动态依赖，不断关联触发。工程中，面对同时发生的多个故障，在其关联关系未知的情况下，工程人员只能逐一排查，排故效率低下。目前，在分析通信网络性能故障致因时，主要通过专家实践经验。此外，传统研究中分析关联关系，除了专家经验，还有基于规则总结的推理、基于事例的推理等方法。然而，网络故障影响因素众多，不同因素对于性能故障的影响不同，这种关系非常复杂，随着故障规模增加，专家经验很难快速、准确地分析关联关系。近年来随着机器学习技术的发展，为我们提供了新的通信网络性能故障方法。其中超限学习机(ExtremeLearningMachine)(参考文献[1]：HuangGB,W本文档来自技高网...

【技术保护点】
1.一种通信网络性能故障致因与特征参数关联关系分析方法，其特征在于：所述方法包括：S1：获取待分析通信网络性能故障的特征参数数据；S2：采用预先建立的超限学习机通信网络性能故障致因分析模型，对待分析的通信网络性能故障的特征参数进行处理，从而分析出此特征参数对应的通信网络性能故障致因；其中，所述的超限学习机通信网络性能故障致因分析模型是基于异质隐层节点的超限学习机模型训练而成的。

【技术特征摘要】
1.一种通信网络性能故障致因与特征参数关联关系分析方法，其特征在于：所述方法包括：S1：获取待分析通信网络性能故障的特征参数数据；S2：采用预先建立的超限学习机通信网络性能故障致因分析模型，对待分析的通信网络性能故障的特征参数进行处理，从而分析出此特征参数对应的通信网络性能故障致因；其中，所述的超限学习机通信网络性能故障致因分析模型是基于异质隐层节点的超限学习机模型训练而成的。2.根据权利要求1所述的一种通信网络性能故障致因与特征参数关联关系分析方法，其特征在于：所述的基于异质隐层节点的超限学习机模型训练，过程具体如下：S21：利用网络仿真软件生成异质隐层节点的超限学习机模型的训练样本,或使用实际测量得到的数据作为训练样本；S22：采用异质隐层节点的超限学习机模型，对所述训练样本进行训练，得到所述的超限学习机通信网络性能故障致因分析模型。3.根据权利要求2所述的一种通信网络性能故障致因与特征参数关联关系分析方法，其特征在于：其中，步骤S21和S22中异质隐层节点的超限学习机模型采用的激活函数为：其中为sigmoid激活函数，为高斯径向基激活函数，μ是高斯径向基激活函数的中心，σ为高斯径向基激活函数的宽度，a和b为超限学习机训练后得到的参数为常数，i和j分别表示隐层节点的...

【专利技术属性】
技术研发人员：黄宁，范浩，温国谊，郑小禄，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11