智慧渔业的5G网络故障预测方法技术

本发明专利技术公开了智慧渔业的5G网络故障预测方法，包括：采集并预处理智慧渔业5G网络出现故障时的告警日志，为每一个告警日志添加对应的故障类别标签，进而生成带标签的5G网络故障样本数据集；建立卷积神经网络优化的WGAN

【技术实现步骤摘要】
智慧渔业的5G网络故障预测方法


[0001]本专利技术涉及农业通信
，具体涉及一种智慧渔业的5G网 络故障预测方法。

技术介绍

[0002]因为5G与4G相比有较强的稳定性，所以智慧水产中海参所处的 水域环境参数通过5G进行传输，但在海上信号不稳定的地方，故障 也是会随之而来的。5G告警日志大多不代表网络真正发生故障，所 以5G故障样本存在样本不均衡、各项特征指标紧密性弱等问题。
[0003]现存技术主要采用过采样、欠采样和生成对抗网络GAN得到5G 故障样本。所述欠采样和过采样通过减少大类样本个数和增加小类样 本个数，使得样本数据集量级接近，进而训练模型；但欠采样会造成 一些信息缺失等问题，过采样容易造成过拟合等问题。与过采样、欠 采样相比，现有GAN模型可以生成较优秀故障样本，但是其样本数据 集类别量级相差大、且特征间关联性较弱。

技术实现思路

[0004]本专利技术的目的在于，提供一种智慧渔业的5G网络故障预测方法， 其通过增加类别标签改善GAN网络，解决了数据样本不均衡和数据 特征交互弱等问题。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智慧渔业的5G网络故障预测方法，其特征在于，包括：采集并预处理智慧渔业5G网络出现故障时的告警日志，为每一个告警日志添加对应的故障类别标签，所述故障类别标签中显示故障大类和故障小类，进而生成带标签的5G网络故障样本数据集；建立卷积神经网络优化的WGAN
‑
GP预测模型，并将所述5G网络故障样本数据集中类别数量少的告警日志输入到WGAN
‑
GP预测模型中，不断迭代进行训练，得到少数类样本；将所述少数类样本与5G网络故障样本进行混合生成告警数据集，所述告警数据集按照一定比例划分成训练样本集和验证样本集；对所述训练样本集进行预处理，并使用TPE算法优化的LightGBM预测模型得到故障类别，再通过所述验证样本集进行验证。2.根据权利要求1所述智慧渔业的5G网络故障预测方法，其特征在于，采集并预处理智慧渔业5G网络出现故障时的告警日志，为每一个告警日志添加对应的故障类别标签，具体为：对智慧渔业5G网络出现故障时的告警日志中缺失值、异常值进行处理；处理后的告警日志与KPI关联，根据KPI各项指标所占比的大小进行故障类别标签的添加。3.根据权利要求2所述智慧渔业的5G网络故障预测方法，其特征在于，5G网络包括六大类KPI，分别为接通率Accessibility、掉活率Retainability、上下吞吐率Availability、切换成功率Mobility、完整性Integrity、利用率Utilization；所述接通率Accessibility包括用户接通率、终端接通率、辅站添加成功率、辅站异常释放率、站内辅站切换成功率、站间辅站切换成功率；所述掉活率Retainability包括QoS流的保持性、DRB Retainability；所述上下吞吐率Availability包括上行吞吐率、下行吞吐率；所述切换成功率Mobility包括NG
‑
RAN切换成功率、辅站添加成功率、辅站异常释放率、站内辅站切换成功率、站间辅站切换成功率；所述完整性Integrity包括Gnb
‑
DU下行时延、RAN中下行链路总时延；所述利用率Utilization包括上行PRB利用率、下行PRB利用率。4.根据权利要求2所述智慧渔业的5G网络故障预测方法，其特征在于，所述故障类别标签包括：硬件故障、传输故障、干扰故障、覆盖故障、网络负荷故障和其他故障；对于不同状态的网络依据KPI赋予对应的故障类别标签；所述硬件故障包括：基站故障、终端性能，通常与接通率Accessibility、上下吞吐率Availability相关性较大；所述传输故障包括：传输核心网、链路故障，通常与接通率Accessibility、掉活率Retainability、上下吞吐率Availability、切换成功率Mobility、完整性Integrity相关性较大；所述干扰故障包括：上行干扰、下行干扰，通常与掉活率Retainability、上下吞吐率Availability相关性较大；所述覆盖故障包括：缺少覆盖、交叠覆盖，通常与接通率Accessibility、掉活率Retainability、上下吞吐率Availability、切换成功率Mobility相关性较大；所述网络负荷包括：负荷过多，通常与完整性Integrity相关性较大；所述其他故障包括：配置参数故障，通常与接通率Accessibility相关性较大。5.根据权利要求1所述智慧渔业的5G网络故障预测方法，其特征在于，所述卷积神经网络优化的WGAN
‑
GP预测模型包括生成器，该生成器包括编码网络和解码网络；所述编码网络包括8个连续的卷积层，每一个卷积层后跟随带泄露修正的线性单元Leaky ReLU，每层卷积滤波器的数量分别为32、32、64、64、128、128、256和256，所述卷积层
均使用3*3卷积核，步长设为1，填充设为0；所述解码网络包括8个连续的卷积层...

【专利技术属性】
技术研发人员：汪祖民，宋博娅，李晓梅，盖荣丽，
申请(专利权)人：大连大学，
类型：发明
国别省市：