一种业务异常预测方法、装置、存储介质及电子装置制造方法及图纸

本申请实施例提供了一种业务异常预测方法、装置、存储介质及电子装置，该方法包括：采集当前时间的实时业务数据；将实时业务数据进行多维度指标聚集，得到多维度实时数据指标；将多维度实时数据指标输入到目标神经网络模型中，得到目标神经网络模型输出的该当前时间之后预设时间段内业务的预测结果；将预测结果输入目标随机森林模型中，得到目标随机森林模型输出的该预设时间内业务的异常检测结果，可以解决相关技术中异常发生后运维人员才开始进行异常诊断，导致异常处理不及时的问题，对网络未来可能发生的异常进行预测，可以使运维人员提前干预、提前处置，降低投诉风险。降低投诉风险。降低投诉风险。

【技术实现步骤摘要】
一种业务异常预测方法、装置、存储介质及电子装置


[0001]本申请实施例涉及通信领域，具体而言，涉及一种业务异常预测方法、装置、存储介质及电子装置。

技术介绍

[0002]在移动运营商运维领域，大数据分析系统中存储着成千上万的维度指标数据。网络运维人员通常根据人工经验，对核心指标进行定期巡检，发现指标异常后才能开始接下来的故障处置工作。但由于移动组网的复杂性和指标的多样性，导致故障根因的排查困难、耗时时间长，严重问题会甚至直接导致网络瘫痪，影响用户正常使用。
[0003]目前移动运营商已开始对网络中的关键绩效指标(Key Performance Indicators，简称为KPI)进行监测，并使用阈值对其进行指标异常进行判定。在网络运维提前干预并没有突破性的应用实践。
[0004]针对相关技术中异常发生后运维人员才开始进行异常诊断，导致异常处理不及时的问题，尚未提出解决方案。

技术实现思路

[0005]本申请实施例提供了一种业务异常预测方法、装置、存储介质及电子装置，以至少解决相关技术中异常发生后运维人员才开始进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务异常预测方法，其特征在于，包括：采集当前时间的实时业务数据；将所述实时业务数据进行多维度指标聚集，得到多维度实时数据指标；将所述多维度实时数据指标输入到预先基于历史业务数据训练好的目标神经网络模型中，得到所述目标神经网络模型输出的所述当前时间之后预设时间段内业务的预测结果；将所述预测结果输入预先基于所述历史业务数据训练好的目标随机森林模型中，得到所述目标随机森林模型输出的所述预设时间内业务的异常检测结果。2.根据权利要求1所述的方法，其特征在于，在将所述实时业务数据进行多维度指标聚集，得到多维度实时数据指标之前，所述方法还包括：将所述实时业务数据中的无效数据进行剥离，得到有效实时业务数据；将所述有效实时业务数据中的非规范化数据进行规范化处理，得到清洗后的实时业务数据。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：提取所述历史业务数据；将所述历史业务数据进行多维度指标聚集，得到多维度历史数据指标；根据所述多维度历史数据指标对构建的初始神经网络模型进行训练，得到训练好的所述目标神经网络模型。4.根据权利要求3所述的方法，其特征在于，在将所述历史业务数据进行多维度指标聚集，得到多维度历史数据指标之前，所述方法还包括：将所述历史业务数据中的无效数据进行剥离，得到有效历史业务数据；将所述有效历史业务数据中的非规范化数据进行规范化处理，得到清洗后的历史业务数据。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：分别从所述多维度历史数据指标中提取时间窗口为N与时间窗口为M的数据聚集指标，其中，N不等于M，N、M均为大于1的整数；根据所述数据聚集指标确定特征参数；...

【专利技术属性】
技术研发人员：冯媛，杨翌晨，邵敏峰，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：