无线侧网络根因定位方法、运行控制装置及存储介质制造方法及图纸

本发明专利技术公开了一种无线侧网络根因定位方法、运行控制装置及存储介质，包括：获取预设的映射函数模型，其中，映射函数模型用于建立关键性能指标KPI值和关键质量指标KQI值之间的映射关系；获取目标小区的KPI数据，KPI数据包括多个KPI值；根据映射函数模型，计算得到多个与KPI值对应的KQI预测值，其中，KQI预测值用于反映对应的KPI值对用户感知的影响；根据映射函数模型，得到多个基于分布的KPI劣化拐点；根据KQI预测值和KPI劣化拐点确定根因KPI值。根据本发明专利技术实施例提供的方案，在映射函数模型的基础上，可以获得多个KQI预测值和KPI劣化拐点，根据KQI预测值和KPI劣化拐点可以快速定位根因KPI值，将根因KPI值作为优化指标，有利于提升用户的实际体验感知。提升用户的实际体验感知。提升用户的实际体验感知。

【技术实现步骤摘要】
无线侧网络根因定位方法、运行控制装置及存储介质


[0001]本专利技术涉及网络运维
，尤其涉及一种无线侧网络根因定位方法、运行控制装置及存储介质。

技术介绍

[0002]移动运营商日常运维网络包括无线侧小区，4G、5G核心网网元，通过分析移动通讯系统中控制面及用户面信令，对网络中存在的问题进行分析和评估，通过扩容、参数优化、工程实施等技术手段，可以提高移动终端用户的网络使用体验。目前在移动运营商无线运维领域，无线侧指标有上百个，针对无线侧关键性能指标(Key Performance I nd icat ion，KPI)专项优化的工具有具体的体系方法。当前系统优化的目标指向无线侧KPI提升，而无线侧KPI与用户的实际感知之间的关系是不明确的，当出现用户投诉或网络专项优化任务时，网络优化人员通常依据已有系统进行小区无线侧指标分析，并根据专家经验进行参数的调整，但优化操作能否提升用户的使用感知取决于专家经验，通常需要几轮优化迭代尝试，难以快速准确定位到异常根因，无法有效针对用户特定体验感知进行优化操作。

技术实现思路

[0003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线侧网络根因定位方法，其特征在于，包括：获取预设的映射函数模型，其中，所述映射函数模型用于建立关键性能指标KPI值和关键质量指标KQI值之间的映射关系；获取目标小区的KPI数据，所述KPI数据包括多个KPI值；根据所述映射函数模型，计算得到多个与所述KPI值对应的KQI预测值，其中，所述KQI预测值用于反映对应的KPI值对用户感知的影响；根据所述映射函数模型，得到多个基于分布的KPI劣化拐点；根据所述KQI预测值和所述KPI劣化拐点确定根因KPI值。2.根据权利要求1所述的无线侧网络根因定位方法，其特征在于，所述根据所述KQI预测值和所述KPI劣化拐点确定根因KPI值，包括：根据所述KQI预测值和所述KPI劣化拐点得到预测KPI集合，其中，所述预测KPI集合包括多个引发用户感知异常的第一KPI预测值，所述第一KPI预测值为大于预设的KQI业务门限的所述KQI预测值所对应的KPI值或者为小于所述KPI劣化拐点的KPI值；根据预设业务标签对所述第一KPI预测值进行标记分组，确定属于关注根因指标组别的第二预测KPI值；根据所述第二预测KPI值确定根因KPI值。3.根据权利要求2所述的无线侧网络根因定位方法，其特征在于，所述第一KPI预测值为大于预设的KQI业务门限的所述KQI预测值所对应的KPI值；所述根据所述第二预测KPI值确定根因KPI值，包括：获取每个所述第二预测KPI值的异常影响度；根据所述异常影响度确定根因KPI值。4.根据权利要求3所述的无线侧网络根因定位方法，其特征在于，所述获取每个所述第二预测KPI值的异常影响度，包括：计算所述KQI预测值和所述KQI业务门限的偏离差值；根据所述偏离差值计算所述第二预测KPI值的异常影响度。5.根据权利要求2所述的无线侧网络根因定位方法，其特征在于，在根据所述KQI预测值和所述KPI劣化拐点得到预测KPI集合...

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