【技术实现步骤摘要】
通信网络异常检测方法及装置
[0001]本申请涉及通信
，具体而言，涉及一种通信网络异常检测方法及装置
。
技术介绍
[0002]通信网络的稳定性对人民群众的日常生活有很大影响，为了及时发现网络异常状态，日常的网络管理过程中会定期采集一段时间内的通话数据，计算当前采集时刻的网络接通率
。
网络接通率越高，表示该时间段内呼叫接听成功率越高，网络越正常；反之，网络接通率越低，表示该时间段内呼叫接听成功率越低，网络可能存在异常
。
[0003]因此，可以设定网络接通率安全阈值用于自动化监控通信网络质量，当网络接通率低于安全阈值时，系统会派单给值班人员进行处理
。
安全阈值设定过高就会对网络稳定性很敏感，网络接通率稍微波动就会产生派单浪费人力；安全阈值设定过低则不能及时发现网络异常情况，从而导致故障无法及时得到处理
。
设定合理的网络接通率安全阈值能够提升网络稳定性，减少网络异常时带来的损失
。
[0004]传统的网络接通率安全阈值的设定方...
【技术保护点】
【技术特征摘要】
1.
一种通信网络异常检测方法，其特征在于，包括：周期性采集目标通信网络的运行状态参数，其中，所述运行状态参数包括：网络接通率和辅助参考数据，所述辅助参考数据包括以下至少之一：采集时刻
、
网络负载率
、
网络故障等级
、
呼叫总次数；对于每个采集时刻，确定所述采集时刻之前预设时间段内的多组历史运行状态参数，并将所述多组历史运行状态参数输入预训练的网络接通率预测模型，得到所述网络接通率预测模型输出的目标网络接通率，其中，所述网络接通率预测模型用于通过迭代膨胀卷积神经网络提取所述多组历史运行状态参数对应的多个时序特征，并通过多头注意力机制学习所述多个时序特征之间的关联关系，依据所述关联关系预测所述目标网络接通率；将所述目标网络接通率作为所述采集时刻的安全阈值，比较所述采集时刻的第一网络接通率和所述安全阈值，依据比较结果确定所述目标通信网络是否存在异常
。2.
根据权利要求1所述的方法，其特征在于，所述网络接通率预测模型的训练过程包括：构建初始模型，其中，所述初始模型中至少包括迭代膨胀卷积神经网络层
、
多头注意力层和输出层；获取多组训练样本及每组训练样本对应的样本标签，其中，每组训练样本中包括：一个历史采集时刻之前预设时间段内的多组历史运行状态参数，所述训练样本对应的样本标签包括：所述历史采集时刻的第二网络接通率；利用所述多组训练样本及所述样本标签对所述初始模型进行迭代训练，得到所述网络接通率预测模型
。3.
根据权利要求2所述的方法，其特征在于，构建初始模型，包括：构建依次连接的迭代膨胀卷积神经网络层
、
多头注意力层
、
多层全连接层和输出层，其中，所述多层全连接层用于对所述多头注意力层输出的高维特征进行非线性转换，所述输出层包括
softmax
网络，用于预测网络接通率
。4.
根据权利要求3所述的方法，其特征在于，利用所述多组训练样本及所述样本标签对所述初始模型进行迭代训练，包括：对于每个训练批次，将所述训练批次中的各组训练样本依次输入所述初始模型，得到所述初始模型输出的多个第三网络接通率；依据所述多个第三网络接通率和各组训练样本对应的样本标签中的第二网络接通率构建均方误差损失函数；通过反向传播方式，依据所述均方误差损失函数调整所述初始模型的模型参数，完成一轮迭代
【专利技术属性】
技术研发人员：李博，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。