多指标关联模型训练方法及多指标异常分析方法技术

本发明专利技术实施例提供了多指标关联模型训练方法及多指标异常分析方法。该方法包括：获取无线网络小区的历史关键绩效指标KPI和无线网络小区的故障信息；确定历史KPI中的异常历史KPI与故障信息的关联关系信息；根据关联关系信息，确定多指标关联模型，多指标关联模型能够提高网络指标异常与无线网络小区故障的关联的分析效率，快速确定无线网络小区故障的原因。

Training method of multi index association model and analysis method of multi index anomaly

【技术实现步骤摘要】
多指标关联模型训练方法及多指标异常分析方法
本专利技术涉及无线网络
，尤其涉及一种多指标关联模型训练方法及多指标异常分析方法。
技术介绍
目前，运营商的无线网络质量监控和分析主要依赖于对关键绩效指标(KeyPerformanceIndicator，KPI)的阈值分析以及人工梳理大量数据的综合分析，无线网络故障大多是由网络指标异常引起，而网络指标的异常通常依靠人工经验统一设置阈值。但是，无线网络中包括大量的网络指标，仅仅依靠人工经验统一设置阈值来分析海量数据，确定无线网络故障，工作量大，效率低。
技术实现思路
本专利技术实施例提供了一种多指标关联模型训练方法及多指标异常分析方法，能够解决目前网络指标异常与无线网络小区故障的关联的分析效率低下。第一方面，提供了一种多指标关联模型训练方法，该方法包括：获取无线网络小区的历史关键绩效指标KPI和无线网络小区的故障信息；确定历史KPI中的异常历史KPI与故障信息的关联关系信息；根据关联关系信息，确定多指标关联模型。在一种可能的实现方式中，故本文档来自技高网...

【技术保护点】
1.一种多指标关联模型训练方法，其特征在于，所述方法包括：/n获取无线网络小区的历史关键绩效指标KPI和所述无线网络小区的故障信息；/n确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息；/n根据所述关联关系信息，确定多指标关联模型。/n

【技术特征摘要】
1.一种多指标关联模型训练方法，其特征在于，所述方法包括：
获取无线网络小区的历史关键绩效指标KPI和所述无线网络小区的故障信息；
确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息；
根据所述关联关系信息，确定多指标关联模型。


2.根据权利要求1所述的方法，其特征在于，所述故障信息包括故障时间；所述确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息，包括：
对所述异常历史KPI进行聚类，得到指标聚类结果；
根据所述指标聚类结果，确定所述无线网络小区的指标模型；所述指标模型用于确定每个所述异常历史KPI在不同时刻的异常度；
根据所述故障时间，对所述故障信息和每个所述异常历史KPI在不同时刻的异常度进行皮尔森相关性分析，确定所述异常历史KPI与所述故障信息的关联关系信息。


3.一种多指标异常分析方法，其特征在于，所述方法包括：
获取无线网络小区的多个实时KPI；
对每个所述实时KPI进行指标异常检测，得到异常实时KPI；
将所述异常实时KPI输入至多指标关联模型，确定所述异常实时KPI的关联检测结果；
根据所述关联检测结果，确定所述无线网络小区的故障事件；
其中，所述多指标关联模型为权利要求1所述的方法确定的所述多指标关联模型。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当检测到具有故障事件的无线网络小区被投诉该无线网络小区网络故障时，删除所述被投诉网络故障的无线网络小区。


5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述关联检测结果，调整多指标关联模型的参数。


6.一种多指标关联模型训练装置，其特征在于，所述装置包...

【专利技术属性】
技术研发人员：周毅，
申请(专利权)人：中国移动通信集团江苏有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：江苏;32