故障的确定方法、装置、设备以及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种故障的确定方法、装置、设备以及计算机可读存储介质，方法包括：获取电信运营系统在预设时段的运营参数数据，将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型；在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果；在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障。提高了在目标时刻确定电信运营系统发生故障的准确性。信运营系统发生故障的准确性。信运营系统发生故障的准确性。

【技术实现步骤摘要】
故障的确定方法、装置、设备以及计算机可读存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种故障的确定方法、装置、设备以及计算机可读存储介质。

技术介绍

[0002]电信运营系统规模庞大且复杂、业务流程长。从业务受理至网络施工激活开通，贯穿CRM受理前台、业务能力中台(客户中心、订单中心、计费与批价中心、账管中心等)、指令编排器、网管资源中心、网络侧各类网元等诸多平台。目前基于双向LSTM的预测模型预测电信运营系统是否发生故障时，受单一模型的影响，预测结果不准确。

技术实现思路

[0003]本专利技术的主要目的在于提供一种故障的确定方法、装置、设备以及计算机可读存储介质，旨在提高预测电信运营系统发生的故障的准确性。
[0004]为实现上述目的，本专利技术提供的一种故障的确定方法，所述故障的确定方法包括以下步骤：
[0005]获取电信运营系统在预设时段的运营参数数据，将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型；
[0006]在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果；
[0007]在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障。
[0008]在一实施例中，所述将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型的步骤之前，包括：
[0009]获取第一样本数据，对所述第一样本数据进行清洗；
[0010]在清洗后的第一样本数据中获取预置时段的目标数据预测得到预设时刻的故障类型；
[0011]更新所述预置时间段并获取预测的故障类型，构建目标样本数据；
[0012]将所述目标样本数据的运营参数数据输入预设的长短期记忆模型的输入层，并调整所述长短期记忆模型的网络层次；
[0013]根据故障类型的数量确定所述长短期记忆模型的全连接层的维度，并设置所述预测网络模型的激活参数为softmax；
[0014]根据第一样本数据中的故障类型调整所述长短期记忆模型的参数得到所述预测模型。
[0015]在一实施例中，所述对所述第一样本数据进行清洗的步骤，包括：
[0016]剔除所述第一样本数据中的异常数据，并填补缺失值，完成对所述第一样本数据的清洗。
[0017]在一实施例中，所述将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果的步骤，包括：
[0018]将所述运营参数数据输入XGBoost分类模型的输入层；
[0019]以决策树为基分类器的XGBoost分类模型对所述运营参数数据的预测结果进行分类；
[0020]在所述XGBoost分类模型的输出层输出得分最高的分类。
[0021]在一实施例中，所述在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果的步骤之前，包括：
[0022]获取第二样本数据，并标记所述第二样本数据；
[0023]将标记后的所述第二样本数据的运营参数数据输入预设的XGBoost分类模型训练，得到所述XGBoost分类模型
[0024]在一实施例中，所述在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障步骤之后，还包括：
[0025]获取关联表中与所述故障类型对应的工作人员；
[0026]获取所述工作人员的联系方式；
[0027]通过所述联系方式将携带所述故障类型与所述目标时刻的通知信息发送至所述工作人员，以通知所述工作人员进行处理。
[0028]在一实施例中，所述获取关联表中与所述故障类型对应的工作人员的步骤之前，包括：
[0029]获取第三样本数据，使用统计模型分析所述第三样本数据；
[0030]根据所述分析结果构建所述关联表。
[0031]为实现上述目的，本专利技术还提供一种故障的确定装置，所述故障的确定装置包括：
[0032]第一获取模块，用于获取电信运营系统在预设时段的运营参数数据，将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型；
[0033]第二获取模块，用于在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果；
[0034]确定模块，用于在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障。
[0035]为实现上述目的，本专利技术还提供一种故障的确定设备，所述故障的确定设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上执行的故障的确定程序，所述故障的确定程序被所述处理器执行时实现如上所述的故障的确定方法的各个步骤。
[0036]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有故障的确定程序，所述故障的确定程序被处理器执行时实现如上所述的故障的确定方法的各个步骤。
[0037]本专利技术提供的一种故障的确定方法、装置、设备以及计算机可读存储介质，获取电信运营系统在预设时段的运营参数数据，将运营参数数据输入预测模型的输入层，得到预测模型预测的目标时刻的故障类型，在故障类型为发生故障对应的类型时，将运营参数数据输入XGBoost分类模型的输入层，获取XGBoost分类模型的分类结果，在分类结果为发生
故障时，确定在目标时刻电信运营系统发生故障。通过预测模型确定电信运营系统在目标时刻的故障类型为发生故障对应的类型后，再通过XGBoost分类模型的分类结果得到电信运营系统发生故障时，确定在目标时刻电信运营系统发生故障，提高了确定在目标时刻电信运营系统发生故障的准确性。
附图说明
[0038]图1为本专利技术实施例涉及的故障的确定设备的硬件结构示意图；
[0039]图2为本专利技术故障的确定方法的第一实施例的流程示意图；
[0040]图3为本专利技术故障的确定方法的第四实施例的步骤S30的细化流程示意图；
[0041]图4为本专利技术故障的确定方法的模块示意图。
[0042]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0043]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0044]本专利技术实施例的主要解决方案是：获取电信运营系统在预设时段的运营参数数据，将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型；在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果；在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障。
[0045本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障的确定方法，其特征在于，所述故障的确定方法包括：获取电信运营系统在预设时段的运营参数数据，将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型；在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果；在所述分类结果为发生故障时，确定在所述目标时刻所述电信运营系统发生故障。2.如权利要求1所述的故障的确定方法，其特征在于，所述将所述运营参数数据输入预测模型的输入层，得到所述预测模型预测的目标时刻的故障类型的步骤之前，包括：获取第一样本数据，对所述第一样本数据进行清洗；在清洗后的第一样本数据中获取预置时段的目标数据预测得到预设时刻的故障类型；更新所述预置时间段并获取预测的故障类型，构建目标样本数据；将所述目标样本数据的运营参数数据输入预设的长短期记忆模型的输入层，并调整所述长短期记忆模型的网络层次；根据故障类型的数量确定所述长短期记忆模型的全连接层数量，并设置所述预测网络模型的激活参数为softmax；根据第一样本数据中的故障类型调整所述长短期记忆模型的参数得到所述预测模型。3.如权利要求2所述的故障的确定方法，其特征在于，所述对所述第一样本数据进行清洗的步骤，包括：剔除所述第一样本数据中的异常数据，并填补缺失值，完成对所述第一样本数据的清洗。4.如权利要求1所述的故障的确定方法，其特征在于，所述将所述运营参数数据输入XGBoost分类模型的输入层，获取所述XGBoost分类模型的分类结果的步骤，包括：将所述运营参数数据输入XGBoost分类模型的输入层；以决策树为基分类器的XGBoost分类模型对所述运营参数数据的预测结果进行分类；在所述XGBoost分类模型的输出层输出得分最高的分类。5.如权利要求4所述的故障的确定方法，其特征在于，所述在所述故障类型为发生故障对应的类型时，将所述运营参数数据输入XGBoost分类模...

【专利技术属性】
技术研发人员：王东，胡林熙，潘亮，史军艇，郭岳，叶晓龙，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：