一种网络故障根因检测方法、系统及存储介质技术方案

本发明专利技术涉及一种网络故障根因检测方法、系统及存储介质，检测方法包括：分别对每个网络性能参数进行处理，得到模型样本；将相似度大于预设阈值的模型样本映射到同一样本单元；对每个样本单元添加根因标签；分别计算待诊断样本与每个模型样本的相似度值；获取与待诊断样本相似度最高的模型样本对应的根因标签作为苏搜狐待诊断样本的故障根因。本发明专利技术实施例通过获取不同小区的网络性能参数，通过聚类将网络性能参数生成的模型样本映射到同一样本单元，对样本单元分别添加根因标签，生成根因检测模型，通过根因检测模型对待诊断网络性能参数进行诊断，实现对无线通信网络的故障根因的快速诊断，提高故障的诊断效率。

A network fault root cause detection method, system and storage medium

【技术实现步骤摘要】
一种网络故障根因检测方法、系统及存储介质
本专利技术涉及移动通信网络
，尤其涉及一种网络故障根因检测方法、系统及存储介质。
技术介绍
随着人们对移动通信业务需求的日益增长，移动网络运营规模越来越庞大，所采用的技术也越来越复杂。因而网络发生故障的频率越来越高，定位难度也不断增大，最终导致网络运营维护成本急剧增长。传统的无线通信网络问题根因定位主要采取人工分析方式，具体而言网络警和配置数据进行分析，对问题原因逐步排查后确定故障根因。这种传统的故障根因定位方法的效率非常低下，而且故障根因定位准确率严重依赖工程师的知识、经验和技能，不适应当前网络的发展趋势。
技术实现思路
为了解决现有技术存在的问题，本专利技术的至少一个实施例提供了一种网络故障根因检测方法、系统及存储介质。第一方面，本专利技术实施例提供了一种网络故障根因检测方法，所述检测方法包括：获取多个网络性能参数，分别对每个所述网络性能参数进行处理，得到模型样本；对所有所述模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，得到多个样本单元；对每个样本单元添加根因标签，生成根因检测模型；对待诊断网络性能参数进行处理，得到待诊断样本，分别计算所述待诊断样本与每个所述模型样本的相似度值；获取与所述待诊断样本相似度最高的所述模型样本对应的样本单元的根因标签，将所述根因标签作为所述待诊断样本的故障根因。基于上述技术方案，本专利技术实施例还可以做出如下改进。结合第一方面，在第一方面的第一种实施例中，所述对每个样本单元添加根因标签，生成根因检测模型，包括：根据样本单元中模型样本的数量对样本单元进行排序；将排序高于预设阈值的样本单元设置为核心单元，采用基于密度的聚类算法将每个核心单元与其他样本单元进行合并，得到多个样本单元类簇；对每个样本单元类簇添加根因标签，生成根因检测模型。结合第一方面，在第一方面的第二种实施例中，所述对所有所述模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，包括：将所有所述模型样本输入自组织映射神经网络的输入层；通过自组织映射神经网络的竞争层完成对所有所述模型样本的细粒度聚类，将相似度大于预设阈值的模型样本映射到同一所述样本单元中。结合第一方面，在第一方面的第三种实施例中，所述分别对每个所述网络性能参数进行处理，得到模型样本，包括：通过主成分分析方法对每个所述网络性能参数进行降维处理，得到所述模型样本。结合第一方面的第三种实施例，在第一方面的第四种实施例中，所述分别对每个所述网络性能参数进行降维处理之前，还包括：对所有所述网络性能参数进行过滤，剔除所述网络性能参数中的异常值。结合第一方面的第三种实施例，在第一方面的第五种实施例中，所述检测方法还包括：将所述模型样本作为参考模型样本；对所有参考模型样本分别进行数据标准化处理，得到所述模型样本。结合第一方面，在第一方面的第六种实施例中，所述对待诊断网络性能参数进行处理，得到待诊断样本，包括：通过主成分分析方法对所述待诊断网络性能参数进行降维处理，得到所述待诊断样本。结合第一方面或第一方面的第一、第二、第三、第四、第五或第六种实施例中任一种实施例，在第一方面的第七种实施例中，所述计算所述待诊断样本与每个所述模型样本的相似度值，包括：分别计算待诊断样本与每个所述模型样本的欧氏距离，作为所述相似度值。第二方面，本专利技术实施例提供了一种网络故障根因检测系统，所述网络故障根因检测系统包括处理器、存储器；所述处理器用于执行所述存储器中存储的故障根因检测程序，以实现第一方面中任一项实施例所述的故障根因检测方法。第三方面，本专利技术实施例提供了一种计算机可存储介质，所述计算机可存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面中任一项实施例所述的故障根因检测方法。本专利技术的上述技术方案与现有技术相比具有如下优点：本专利技术实施例通过获取不同小区的网络性能参数，通过聚类将网络性能参数生成的模型样本映射到同一样本单元，对样本单元分别添加根因标签，生成根因检测模型，通过根因检测模型对待诊断网络性能参数进行诊断，实现对无线通信网络的故障根因的快速诊断，提高故障的诊断效率。附图说明图1是本专利技术实施例提供的一种网络故障根因检测方法流程示意图；图2是本专利技术另一实施例提供的一种网络故障根因检测方法流程示意图；图3是本专利技术又一实施例提供的一种网络故障根因检测系统结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供的一种网络故障根因检测方法，检测方法包括：S11、获取多个网络性能参数，分别对每个网络性能参数进行处理，得到模型样本。在本实施例中，通过对无线通信网络中各个小区进行数据采集，收集大量无线通信网络性能参数，比如，通信质量、连接时长、通信范围等网络性能参数，通过对网络性能参数进行处理，得到属于各个小区的模型样本。比如，可以通过对各个小区的网络性能参数进行过滤，剔除网络性能参数中的异常值，过滤方法可以通过拉依达准则贵网络性能参数中的异常值进行过滤，对过滤后的网络性能参数通过主成分分析方法进行降维，对降维后的网络性能参数进行数据标准化处理，如规范化方法、正规化方法和归一化方法，数据的标准化(normalization)是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，最终得到上述模型样本。S12、对所有模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，得到多个样本单元。在本实施例中，可通过将所有模型样本进行细粒度聚类，将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。通过对模型样本进行细粒度聚类，聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。完成了对不同模型样本的聚类，使得将相似的模型样本聚到同一类中，即具有相同根因的小区的网络性能参数聚到同一类中。本实施例中，通过自组织映射神经网络对模型样本进行处理，将所有模型样本输入自组织映射神经网络的输入层中，通过自组织映射神经网络的竞争层完成对所有模型样本的细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元中，自组织映射神经本文档来自技高网...

【技术保护点】
1.一种网络故障根因检测方法，其特征在于，所述检测方法包括：/n获取多个网络性能参数，分别对每个所述网络性能参数进行处理，得到模型样本；/n对所有所述模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，得到多个样本单元；/n对每个样本单元添加根因标签，生成根因检测模型；/n对待诊断网络性能参数进行处理，得到待诊断样本，分别计算所述待诊断样本与每个所述模型样本的相似度值；/n获取与所述待诊断样本相似度最高的所述模型样本对应的样本单元的根因标签，将所述根因标签作为所述待诊断样本的故障根因。/n

【技术特征摘要】
1.一种网络故障根因检测方法，其特征在于，所述检测方法包括：
获取多个网络性能参数，分别对每个所述网络性能参数进行处理，得到模型样本；
对所有所述模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，得到多个样本单元；
对每个样本单元添加根因标签，生成根因检测模型；
对待诊断网络性能参数进行处理，得到待诊断样本，分别计算所述待诊断样本与每个所述模型样本的相似度值；
获取与所述待诊断样本相似度最高的所述模型样本对应的样本单元的根因标签，将所述根因标签作为所述待诊断样本的故障根因。


2.根据权利要求1所述的网络故障根因检测方法，其特征在于，所述对每个样本单元添加根因标签，生成根因检测模型，包括：
根据样本单元中模型样本的数量对样本单元进行排序；
将排序高于预设阈值的样本单元设置为核心单元，采用基于密度的聚类算法将每个核心单元与其他样本单元进行合并，得到多个样本单元类簇；
对每个样本单元类簇添加根因标签，生成根因检测模型。


3.根据权利要求1所述的网络故障根因检测方法，其特征在于，所述对所有所述模型样本进行细粒度聚类，将相似度大于预设阈值的模型样本映射到同一样本单元，包括：
将所有所述模型样本输入自组织映射神经网络的输入层；
通过自组织映射神经网络的竞争层完成对所有所述模型样本的细粒度聚类，将相似度大于预设阈值的模型样本映射到同一所述样本单元中。


4.根据权利要求1所述的网络故障根因检测方法，其特征在于，所述分别对每个所述网络性能参数进...

【专利技术属性】
技术研发人员：杨正华，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东;44