基于故障辨识的集成运行维护方法及系统技术方案

本发明专利技术提供了基于故障辨识的集成运行维护方法及系统，涉及数据处理技术领域，方法包括：按照网络拓扑结构对计算机网络进行划分，根据

【技术实现步骤摘要】
基于故障辨识的集成运行维护方法及系统


[0001]本专利技术涉及数据处理
，具体涉及基于故障辨识的集成运行维护方法及系统
。

技术介绍

[0002]随着科学技术的发展，特别是计算机网络领域的发展，计算机与网络技术的结合不仅使人们社交关系变得更加紧密同时还促进了社会的经济发展及现代化发展，人们的生活越来越离不开网络技术
。
但是网络故障极为普遍，网络故障的种类也多种多样，要在网络出现故障时及时对出现故障的网络进行维护，以最快的速度恢复网络的正常运行，掌握一套行之有效的网络维护理论
、
方法和技术是关键，而在现有技术中由于缺乏对计算机网络中存在故障进行辨识，存在导致集成运行维护的效率低的技术问题
。

技术实现思路

[0003]本申请提供了基于故障辨识的集成运行维护方法及系统，用于针对解决现有技术中存在的缺乏对计算机网络中存在故障进行辨识，导致集成运行维护的效率低的技术问题
。
[0004]鉴于上述问题，本申请提供了基于故障辨识的集成运行维护方法及系统
。
[0005]第一方面，本申请提供了基于故障辨识的集成运行维护方法，所述方法包括：按照网络拓扑结构对计算机网络进行划分，根据
N
个网络类型，对目标设备的计算机网络类型进行确定，获取所述目标设备的计算机网络类型，其中，
N
为大于1的正整数；基于所述目标设备的计算机网络类型，提取计算机网络特征，确定
M
个特征样本，其中，<br/>M
为大于0的正整数；根据所述
M
个特征样本，获取所述目标设备的计算机网络的贡献度，根据所述贡献度提取关联故障特征集；利用概率神经网络对所述关联故障特征集进行辨识，确定
P
个初始故障源，其中，
P
为大于0的正整数；将所述
P
个初始故障源作为索引，在故障类型数据库中进行检索，获取目标设备的计算机网络的
P
个故障类型；根据所述
P
个故障类型对所述目标设备的计算机网络进行集成运行的维护
。
[0006]第二方面，本申请提供了基于故障辨识的集成运行维护系统，所述系统包括：划分模块，所述划分模块用于按照网络拓扑结构对计算机网络进行划分，根据
N
个网络类型，对目标设备的计算机网络类型进行确定，获取所述目标设备的计算机网络类型，其中，
N
为大于1的正整数；第一提取模块，所述第一提取模块用于基于所述目标设备的计算机网络类型，提取计算机网络特征，确定
M
个特征样本，其中，
M
为大于0的正整数；第二提取模块，所述第二提取模块用于根据所述
M
个特征样本，获取所述目标设备的计算机网络的贡献度，根据所述贡献度提取关联故障特征集；辨识模块，所述辨识模块用于利用概率神经网络对所述关联故障特征集进行辨识，确定
P
个初始故障源，其中，
P
为大于0的正整数；第一检索模块，所述第一检索模块用于将所述
P
个初始故障源作为索引，在故障类型数据库中进行检索，获取目标设备的计算机网络的
P
个故障类型；维护模块，所述维护模块用于根据所述
P
个故障
类型对所述目标设备的计算机网络进行集成运行的维护
。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0008]本申请提供的基于故障辨识的集成运行维护方法及系统，涉及数据处理
，解决了现有技术中缺乏对计算机网络中存在故障进行辨识，导致集成运行维护的效率低的技术问题，实现了对计算机网络中存在故障进行精准辨识，提高集成运行维护的效率
。
附图说明
[0009]图1为本申请提供了基于故障辨识的集成运行维护方法流程示意图；
[0010]图2为本申请提供了基于故障辨识的集成运行维护方法中确定目标设备的计算机网络的贡献度流程示意图；
[0011]图3为本申请提供了基于故障辨识的集成运行维护方法中获取关联故障特征集流程示意图；
[0012]图4为本申请提供了基于故障辨识的集成运行维护方法中获取
P
个初始故障源流程示意图；
[0013]图5为本申请提供了基于故障辨识的集成运行维护方法中获取目标设备的计算机网络的
P
个故障类型流程示意图；
[0014]图6为本申请提供了基于故障辨识的集成运行维护系统结构示意图
。
[0015]附图标记说明：划分模块1，第一提取模块2，第二提取模块3，辨识模块4，第一检索模块5，维护模块
6。
具体实施方式
[0016]本申请通过提供基于故障辨识的集成运行维护方法及系统，用于解决现有技术中缺乏对计算机网络中存在故障进行辨识，导致集成运行维护的效率低的技术问题
。
[0017]实施例一
[0018]如图1所示，本申请实施例提供了基于故障辨识的集成运行维护方法，该方法包括：
[0019]步骤
S100
：按照网络拓扑结构对计算机网络进行划分，根据
N
个网络类型，对目标设备的计算机网络类型进行确定，获取所述目标设备的计算机网络类型，其中，
N
为大于1的正整数；
[0020]具体而言，本申请实施例提供的基于故障辨识的集成运行维护方法应用于基于故障辨识的集成运行维护系统，为提升对目标设备计算机网络中故障的辨识准确率，首先需要对目标设备的计算机网络类型进行确定，进一步的，按照网络拓扑结构对所有计算机网络进行网络类型的划分，网络拓扑结构可以包含总线型
、
星型
、
树型
、
环型
、
网状
、
混合型
、
全连型和不规则型网络等结构，在此基础上将完成对计算机网络的划分确定
N
个网络类型，其中，
N
为大于1的正整数
。
[0021]进一步的，根据划分确定的
N
个网络类型与目标设备的计算机网络进行遍历匹配，是指将
N
个网络类型所对应的计算机网络依次与目标设备的计算机网络进行匹配，将与目标设备计算机网络所匹配成功的计算机网络对应的网络类型记作目标设备的计算机网络类型，为后期实现对目标设备的计算机网络中所存在的故障进行辨识作为重要参考依据
。
[0022]步骤
S200
：基于所述目标设备的计算机网络类型，提取计算机网络特征，确定
M
个特征样本，其中，
M
为大于0的正整数；
[0023]具体而言，以上述所确定目标设备的计算机网络类型作为特征提取基础数据，对目标设备的计算机网络特征进行提取，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于故障辨识的集成运行维护方法，其特征在于，所述方法包括：按照网络拓扑结构对计算机网络进行划分，根据
N
个网络类型，对目标设备的计算机网络类型进行确定，获取所述目标设备的计算机网络类型，其中，
N
为大于1的正整数；基于所述目标设备的计算机网络类型，提取计算机网络特征，确定
M
个特征样本，其中，
M
为大于0的正整数；根据所述
M
个特征样本，获取所述目标设备的计算机网络的贡献度，根据所述贡献度提取关联故障特征集；利用概率神经网络对所述关联故障特征集进行辨识，确定
P
个初始故障源，其中，
P
为大于0的正整数；将所述
P
个初始故障源作为索引，在故障类型数据库中进行检索，获取目标设备的计算机网络的
P
个故障类型；根据所述
P
个故障类型对所述目标设备的计算机网络进行集成运行的维护
。2.
如权利要求1所述的方法，其特征在于，所述，所述方法还包括：对所述
M
个特征样本进行预处理，获取预处理数据集；根据所述预处理数据集，提取第一预处理数据
、
第二预处理数据，其中，所述第一预处理数据与所述第二预处理数据为不同的数据；采用高斯核函数梯度算法对所述预处理数据集进行定义，获取新增数据定义集；计算所述
M
个特征样本对所述新增数据定义集的贡献度，确定所述目标设备的计算机网络的贡献度
。3.
如权利要求2所述的方法，其特征在于，所述高斯核函数梯度算法公式如下：其中，
K[x,y]
为所述新增数据定义集，
x
为所述第一预处理数据，
y
为所述第二预处理数据，
||x
‑
y||
表示所述第一预处理数据到所述第二预处理数据之间的欧几里得距离，
σ
为所述高斯核函数的带宽参数；当
σ
越大时，所述高斯核函数的作用范围越广，所述第一预处理数据与所述第二预处理数据之间的相似度越高，当
σ
越小时，所述高斯核函数的作用范围越窄，所述第一预处理数据与所述第二预处理数据之间的相似度越低
。4.
如权利要求1所述的方法，其特征在于，所述，所述方法还包括：基于所述目标设备的计算机网络的历史故障运行参数，提取故障特征；将所述贡献度与所述故障特征进行关联，确定所述故障特征的关联指数；遍历所述关联指数，依次将所述故障特征的关联指数与预设关联指数阈值进行比较，获取关联故障特征集
。5.
如权利要求2所述的方法，其特征在于，确定所述
P
个初始故障源，所述方法还包括：通过概率密度函数计算所述第一预处理数据与所述第二预处理数据的概率分布信息；根据所述概率分布信息对所述概率神经网络...

【专利技术属性】
技术研发人员：苏志雄，王飞朗，韦沃成，李恩恩，赖秋伶，
申请(专利权)人：云念软件广东有限公司，
类型：发明
国别省市：