基站异常的监测方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请提供一种基站异常的监测方法、装置、设备及计算机可读存储介质。该方法包括：获取待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时的历史流量数据；根据待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定待监测基站的流量权重；若流量权重大于预设权重阈值，则确定待监测基站出现隐形异常。本申请的方法，通过获取闲忙时的预测流量数据和历史流量数据，进而确定流量权重；通过流量权重，确定待监测基站是否出现隐形异常，解决现有技术基站异常检测的效率低的问题。异常检测的效率低的问题。异常检测的效率低的问题。

【技术实现步骤摘要】
基站异常的监测方法、装置、设备及计算机可读存储介质


[0001]本申请涉及通信技术，尤其涉及一种基站异常的监测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着网络技术的发展和网络规模日益扩大，网络拓扑结构和网络设备日趋复杂，承载的业务种类也逐渐增多。这些都使得网络中出现故障或性能问题的机会大大增加，网络监测面临更大的挑战。网络监测的目的是通过对网络设备和网络运行状况的连续监测，及时地发现网络中的异常情况，当网络中出现异常时能够及时发出报警通知，以提醒网管人员采取必要措施，来保持网络正常运行。
[0003]目前基于流量基站异常检测有两种：一种是针对网络流量突增的异常检测，另一种是针对网络流量降为零的异常检测。
[0004]但是，当基站流量在某时间段突降，低于正常状态的流量值，此时流量却大于零流量，并在之后的一段时间流量恢复至正常状态；还有当基站流量在某时间段猛增，在一定时间段内用户流量正常，但会有潜在的异常，现有的技术无法检测出此类网络异常，所以，导致现有基站异常检测的效率低。

技术实现思路

[0005]本申请提供一种基站异常的监测方法、装置、设备及计算机可读存储介质，用以解决现有技术的基站异常检测效率低的问题。
[0006]本申请一实施例提供一种基站异常的监测方法，方法包括：
[0007]获取待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时的历史流量数据；
[0008]根据待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定待监测基站的流量权重；
[0009]响应于流量权重大于预设权重阈值，则确定待监测基站出现隐形异常。
[0010]在一实施例中，获取待监测基站在预设时间段内忙闲时的预测流量数据，具体包括：
[0011]使用已训练的流量预测模型对待监测基站的历史流量数据进行预测，获得待监测基站在预设时间段内忙闲时的预测流量数据；
[0012]其中，已训练的流量预测模型是使用基站的覆盖场景和流量数据训练获得。
[0013]在一实施例中，在使用已训练的流量预测模型对待监测基站的历史流量数据进行预测，获得待监测基站在预设时间段内忙闲时的预测流量数据之前，方法还包括：
[0014]获取基站的覆盖场景和基站在各个时刻的业务数据，并根据各基站在各个时刻的业务数据进行忙闲时划分，获得基站的时间特征；其中，业务数据包括总流量数据；
[0015]将基站的覆盖场景和时间特征作为训练样本，将基站在各个时刻的总流量数据作
为训练样本的标签数据，使用训练样本和标签数据训练流量预测模型，获得已训练的流量预测模型。
[0016]在一实施例中，根据各基站在各个时刻的业务数据进行忙闲时划分，获得基站的时间特征，具体包括：
[0017]当基站在某一时段的总流量数据为总时段中的最大总流量数据，则确定时段为忙时；当基站在某一时段的总流量数据为总时段中的最小总流量数据，则确定时段为闲时；
[0018]或者
[0019]业务数据还包括用户接入数，当基站在某一时段的用户接入数为总时段中的最大用户接入数，则确定时段为忙时；当基站在某一时段的用户接入数为总时段中的最小用户接入数，则确定时段为闲时。
[0020]在一实施例中，根据待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定待监测基站的流量权重，具体包括：
[0021]根据待监测基站在预设时间段内忙时的预测流量数据和在历史忙时的历史流量数据，获得第一流量权重；
[0022]根据待监测基站在预设时间段内闲时的预测流量数据和在历史闲时的历史流量数据，获得第二流量权重；
[0023]对第一流量权重和第二流量权重进行处理，获得待监测基站的流量权重。
[0024]在一实施例中，根据待监测基站在预设时间段内忙时的预测流量数据和在历史忙时的历史流量数据，获得第一流量权重，具体包括：
[0025]根据第一公式计算获得第一流量权重，第一公式具体包括：
[0026][0027]其中，ω1为第一流量权重，A
pre
表示待监测基站在预设时间段内忙时的预测流量数据，min(A)待监测基站在历史忙时的最小历史流量数据，max(A)待监测基站在历史忙时的最大历史流量数据；
[0028]根据待监测基站在预设时间段内闲时的预测流量数据和在历史闲时的历史流量数据，获得第二流量权重，具体包括：
[0029]根据第二公式计算获得第二流量权重，第二公式具体包括：
[0030][0031]其中，ω2为第二流量权重，B
pre
表示待监测基站在预设时间段内闲时的预测流量数据，min(B)待监测基站在历史闲时的最小历史流量数据，max(B)待监测基站在历史闲时的最大历史流量数据。
[0032]在一实施例中，对第一流量权重和第二流量权重进行处理，获得待监测基站的流量权重，具体包括：
[0033]根据第三公式计算获得待监测基站的流量权重，第三公式具体包括：
[0034]ω＝αω1+βω2[0035]ω为待监测基站的流量权重，α为第一流量权重的占比系数，β为第二流量权重的
占比系数。
[0036]本申请另一实施例提供一种基站异常的监测装置，包括：
[0037]获取模块，用于获取待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时的历史流量数据；
[0038]处理模块，用于根据待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定待监测基站的流量权重；
[0039]处理模块还用于响应于流量权重大于预设权重阈值，则确定待监测基站出现隐形异常。
[0040]本申请再一实施例提供一种监测设备，包括：存储器和处理器；
[0041]存储器内存储计算机执行指令；
[0042]处理器执行存储器存储的计算机执行指令，以实现如权利要求1至7中任一项的方法。
[0043]本申请又一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如权利要求1至7任一项的方法。
[0044]本申请再一实施例提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
[0045]本申请提供的基站异常的监测方法、装置、设备及计算机可读存储介质，通过获取待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时的历史流量数据；根据待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定待监测基站的流量权重；若流量权重大于预设权重阈值，则确定待监测基站出现隐形异常。通过获取闲忙时的预测流量数据和历史流量数据，进而确定流量权重；通过流量权重，确定待监测基站是否出现隐形异常，解决现有技术基站异常检测的效率低的问题。
附图说明
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基站异常的监测方法，其特征在于，所述方法包括：获取待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时的历史流量数据；根据所述待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定所述待监测基站的流量权重；响应于所述流量权重大于预设权重阈值，则确定所述待监测基站出现隐形异常。2.根据权利要求1所述的监测方法，其特征在于，获取待监测基站在预设时间段内忙闲时的预测流量数据，具体包括：使用已训练的流量预测模型对待监测基站的历史流量数据进行预测，获得所述待监测基站在预设时间段内忙闲时的预测流量数据；其中，所述已训练的流量预测模型是使用基站的覆盖场景和流量数据训练获得。3.根据权利要求2所述的监测方法，其特征在于，在使用已训练的流量预测模型对待监测基站的历史流量数据进行预测，获得所述待监测基站在预设时间段内预设时间段内忙闲时的预测流量数据之前，所述方法还包括：获取基站的覆盖场景和基站在各个时刻的业务数据，并根据各基站在各个时刻的业务数据进行忙闲时划分，获得所述基站的时间特征；其中，所述业务数据包括总流量数据；将所述基站的覆盖场景和时间特征作为训练样本，将所述基站在各个时刻的总流量数据作为训练样本的标签数据，使用所述训练样本和所述标签数据训练流量预测模型，获得所述已训练的流量预测模型。4.根据权利要求3所述的基站异常的监测方法，其特征在于，根据各基站在各个时刻的业务数据进行忙闲时划分，获得所述基站的时间特征，具体包括：当所述基站在某一时段的总流量数据为总时段中的最大总流量数据，则确定所述时段为忙时；当所述基站在某一时段的总流量数据为总时段中的最小总流量数据，则确定所述时段为闲时；或者所述业务数据还包括用户接入数，当所述基站在某一时段的用户接入数为总时段中的最大用户接入数，则确定所述时段为忙时；当所述基站在某一时段的用户接入数为总时段中的最小用户接入数，则确定所述时段为闲时。5.根据权利要求1至4中任一项所述的基站异常的监测方法，其特征在于，根据所述待监测基站在预设时间段内忙闲时的预测流量数据和在历史忙闲时历史流量数据，确定所述待监测基站的流量权重，具体包括：根据所述待监测基站在预设时间段内忙时的预测流量数据和在历史忙时的历史流量数据，获得第一流量权重；根据所述待监测基站在预设时间段内闲时的预测流量数据和在历史...

【专利技术属性】
技术研发人员：吴争光，苗岩，郑夏妍，贾东霖，蔡勇，吕政辉，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：