【技术实现步骤摘要】
【国外来华专利技术】使用人工生命预报关键性能指示符的方法和设备
本专利技术一般涉及通信网络的关键性能指示符KPI,而且特别涉及使用人工生命物种通过数据挖掘来预测KPI值。
技术介绍
通信网络运营商和网络运营中心连续收集和监测网络单元(NE)的性能数据和关键性能指示符(KPI),以便测量所管理网络的性能和可靠性。KPI给予运营商可量化度量,这些度量帮助运营商优化网络服务质量(QoS)并且满足服务等级协定(SLA)。运营商定义突破具体KPI的预定阈值时被触发的告警。当告警被触发时,运营商采取适当动作来处理引起了故障情况的问题。但是,配置告警尚成问题。如果告警过于灵敏,则它能够响应自纠正的情况而触发,使它不太有用。如果告警不够灵敏,则潜在的情况可能在通知运营商之前正在进行中,引起纠正该问题的延迟。大多数现有的方案专注于检测告警情况。备选地,定量预报方法可用于这种情形中,因为以往的KPI值是可用的。用于定量预报的常用算法和方式包括:-移动平均(常常是时间加权的);-卡尔曼滤波(线性二次估计);-指数平滑;-自回归移动平均(ARMA);-自回归积分移动平均(ARIMA);-外推;-线性(或曲线)拟合;-上述算法的变体和扩展;-机器学习。大多数定量预报方法就权衡较旧数据与较新数据而论是不灵活的。一些方法同等地对待全部数据而不管新旧。另一些方法对最近的数据给予更大的权重,但是加权是固定的。这类方法不能很好地应对不经常发生的模式。例如,考虑两个时变值A和B,在这里我们关注于预测A。假定A的值在大部分时间相对恒定,但是当B超越某个阈值(这不经常发生)时,A的值飙升。大多数方法在检测这个模式并且 ...
【技术保护点】
1.一种用于基于预测第一关键性能指示符KPI的值来控制通信网络的操作的方法,所述方法包括:‑ 保持(102)多个机器学习过程,其中,个体机器学习过程基于数据模型和决策规则来操作,其中,所述多个机器学习过程基于多个不同的数据模型和多个不同的决策规则来操作;‑ 接收(104)从所述通信网络的网络单元得到的关键性能指示符KPI的值的流;‑ 由所述多个机器学习过程基于先前接收的KPI的值并且使用所述数据模型和决策规则来预测(106)所述第一KPI的多个将来值,其中,所述第一KPI的所述将来值涉及相同时间点;‑ 将各个预测组合(108)成所述第一KPI的单个预测值;‑ 如果所述第一KPI的单个预测值等于或超过第一阈值(110),则触发(112)网络管理操作。
【技术特征摘要】
【国外来华专利技术】2017.03.01 EP PCT/EP2017/0548271.一种用于基于预测第一关键性能指示符KPI的值来控制通信网络的操作的方法,所述方法包括:-保持(102)多个机器学习过程,其中,个体机器学习过程基于数据模型和决策规则来操作,其中,所述多个机器学习过程基于多个不同的数据模型和多个不同的决策规则来操作;-接收(104)从所述通信网络的网络单元得到的关键性能指示符KPI的值的流;-由所述多个机器学习过程基于先前接收的KPI的值并且使用所述数据模型和决策规则来预测(106)所述第一KPI的多个将来值,其中,所述第一KPI的所述将来值涉及相同时间点;-将各个预测组合(108)成所述第一KPI的单个预测值;-如果所述第一KPI的单个预测值等于或超过第一阈值(110),则触发(112)网络管理操作。2.如权利要求1所述的方法,其中,作为加权平均值来计算所述第一KPI的所述单个预测值(204),其中,个体预测的权重至少取决于所述个体预测的置信水平(202)。3.如权利要求1或权利要求2所述的方法,还包括:确定所述第一KPI的所述单个预测值的置信水平(206)。4.如权利要求3所述的方法,其中,所述第一KPI的所述单个预测值的所述置信水平(206)是落入了所述KPI的所述单个预测值附近的预定义范围之内的所述各个预测的置信水平的平均值。5.如权利要求3或权利要求4所述的方法,其中,如果所述第一KPI的所述单个预测值的所述置信水平等于或超过第二阈值(208),则触发(112)所述网络管理操作。6.如以上权利要求中的任一项所述的方法,其中,各个机器学习过程中的每个具有指示所述个体机器学习过程的生存能力的参数,以及其中,周期性地执行预测以及将所述各个预测组合成所述第一KPI的所述单个预测值的操作,并且在每个周期中,所述方法包括:-取决于这些各个机器学习过程在前一周期中预测的准确度,增大指示这些各个机器学习过程的生存能力的所述参数的值;-对于每个个体机器学习过程,与在当前周期中执行预测操作所需要的能量成本对应地减小指示生存能力的所述参数的值。7.如权利要求6所述的方法,其中,对于作出了最准确预测的所定义数量的各个机器学习过程,增大指示个体机器学习过程的生存能力的所述参数的值。8.如权利要求6所述的方法,其中,对于预测了落入所述第一KPI的实际值附近的一定范围之内的所述第一KPI的值的各个机器学习过程,增大指示个体机器学习过程的生存能力的所述参数的值。9.如以上权利要求中的任一项所述的方法,其中,在预测(106)步骤中,在处理器上为所述多个机器学习过程中的每个分配时隙(508)以用于执行所述数据模型和决策规则,并且预测所述第一KPI的将来值。10.如以上权利要求中的任一项所述的方法,其中,在预测(106)步骤中,多个机器学习过程在处理器上并行地执行其数据模型和决策规则,并且预测所述第一KPI的所述多个将来值。11.一种用于基于预测第一关键性能指示符KPI的值来控制通信网络的操作的设备(300),所述设备(300)包括处理器(302)和存储器(304),所述存储器(304)包含所述处理器(302)可执行的指令,使...
【专利技术属性】
技术研发人员:A德比特利尔,
申请(专利权)人:瑞典爱立信有限公司,
类型:发明
国别省市:瑞典,SE
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。