本发明专利技术涉及一种5G网络指标的监控方法和装置，属于大数据监测技术领域，解决现有静态门限值设定未考虑各个小区的差异性，也未区分不同时间段对网络指标的性能要求的问题。方法包括：获取多种指标的历史数据，并对其进行预处理以生成多种指标的历史数据序列；对预处理后的历史数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列；对平稳时间序列中的指标数据的连续性和数据前后时刻的相关性进行特征辨识，根据平稳时间序列的自相关性和偏相关性选择预测模型；使用最大似然估计算法估计预测模型的模型参数以生成5G网络预测模型；将实时数据输入5G网络预测模型以对多种指标的动态门限值进行预测。能够预测多种指标的动态门限值。
1、随着5g业务的普及，5g用户变得越来越多，5g网络监测系统是电信运营商提供监测网络运行状况解决网络问题，优化网络环境的强有力的支撑手段。通过使用5g网络监测系统，用户希望可以发现并解决其网络问题。为了对5g网络质量进行监控，需要采集多个接口的信令数据，根据这些信令数据计算出指标，通过对这些指标的监测来实现对网络的监控。对这些网络指标的监测，传统的监测方法是对监控的指标设定一个门限值，当网络指标的值超过这个门限的时候，会判定网络指标出现了异常，也就是说网络质量出现了问题。运维人员根据这些异常的指标，对网络进行维护和优化。
2、现有技术对5g网络指标门限值的设定是通过静态的方法进行设定的。5g网络指标包括信令面的指标，比如通话的接通率，还包括用户面的指标，比如视频播放的卡顿占比等等指标。在对5g网络质量进行监控的时候，这些指标具体是什么数值的时候，才能判定网络质量有问题，现有的方法是人工根据经验值给出一个固定的静态的门限，比如接通率低于百分之多少，判定为网络异常。
4、在对5g网络指标的监控上，现有的监测方法是采用一刀切式的方式，即给每个指标设置一个静态门限值，把这个静态门限值作为所有小区监控的标准。这种静态门限值设定的方式，在对网络指标进行监控的时候是不区分小区，也不区分忙时和闲时。这样做的缺点是，没有考虑到各个小区的差异性，也没有区分不同时间段对网络指标的性能要求。
r/>技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一种5g网络指标的监控方法和装置，用以解决现有静态门限值设定没有考虑到各个小区的差异性，也没有区分不同时间段对网络指标的性能要求的问题。
2、一方面，本专利技术实施例提供了一种5g网络指标的监控方法，包括：获取5g网络的多种指标的历史数据，并对所述多种指标的历史数据进行预处理以生成多种指标的历史数据序列；对预处理后的历史数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列；对所述平稳时间序列中的指标数据的连续性和数据前后时刻的相关性进行特征辨识，其中，根据所述平稳时间序列的自相关性和偏相关性选择ncmma(m,n)预测模型；使用最大似然估计算法估计所述ncmma(m,n)预测模型的模型参数，将所述模型参数代入所述ncmma(m,n)预测模型生成5g网络预测模型；以及将所述多种指标中的每个指标的实时数据输入所述5g网络预测模型以对多种指标的动态门限值进行预测。
3、上述技术方案的有益效果如下：在动态门限值的计算上，本提案基于大量的历史数据的实验和训练，提出了基于人工智能的ncmma算法，此方法可以自动智能的计算网络指标的门限值，具有更客观的优点，减少了人为主观因素的影响，可以更客观的评测网络的质量。
4、基于上述方法的进一步改进，获取历史指标数据，并对所述历史指标数据进行预处理进一步包括：从当前时间往前推的历史时间段内，每隔一预设时间间隔获取一次所述历史指标数据以生成多个时刻的历史指标数据序列；以及将所述多个时刻的历史指标数据序列中的异常数据滤除，其中，所述异常数据包括历史指标数据序列中的极大值和极小值。
5、基于上述方法的进一步改进，对预处理后的历史指标数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列进一步包括：通过以下公式对所述预处理后的历史指标数据序列进行所述动态减差平滑处理：
6、
7、其中，t是当前指标数据对应的时刻，xt是当前指标数据值，xt-i是所述当前指标数据值之前的第i个指标数据值，xt+i是所述当前指标数据值之后的第i个指标数据值，yt是在进行所述动态减差平滑处理后的历史指标数据序列，xi为当前的第i个指标数据值，α是取值范围为(0,1)的平滑参数。
8、基于上述方法的进一步改进，当所述平滑参数α越接近1时，平滑后的指标数据值越接近所述当前指标数据值，数据越不平滑；以及当所述平滑参数α越接近0时，平滑后的指标数据值越接近前i个数据的平滑值，数据越平滑。
9、基于上述方法的进一步改进，所述平稳时间序列的自相关性包括通过以下自相关函数表示同一个平滑后的指标数据值在不同时刻的各个取值之间的自相关性ρk：
10、
11、其中，μ代表的是所述平稳时间序列(x1，x2，……,xi)的均值，e(xt-μ)代表的是时间序列xt-μ的均值，e(xt+k-μ)代表的是时间序列xt+k-μ的均值。
12、基于上述方法的进一步改进，所述平稳时间序列的偏相关性包括：通过以下公式表示去掉中间变量的干扰之后的两个变量之间的偏相关性：
13、
14、其中，代表的是时间序列的均值，代表的是时间序列的均值。
15、基于上述方法的进一步改进，使用最大似然估计算法估计所述ncmma(m,n)预测模型的模型参数包括：通过以下公式表示所述ncmma(m,n)预测模型：
16、
17、其中，m与n分别为预测模型的参数；根据所述最大似然估计算法确定ncmma(m,n)预测模型的相关系数ai与bi；预测的误差为：
18、
19、根据最大似然估计算法，计算当所述预测的误差最小时的ncmma(m,n)预测模型的相关系数ai与bi；95％的置信区间为：
20、
21、其中，代表的是预测值，代表的是ψ0的正态分布的标准偏差。
22、基于上述方法的进一步改进，所述多种指标包括：5g终端数、5g终端附着5g网络数、5g终端附着5g网络占比、上报5g开关状态的5g终端总量、5g开关开的5g终端数、5g终端5g开关开占比、锚点站5g终端附着成功率、erab修改指示成功率、区域5g访问次数驻留比、区域5g流量驻留比、区域5g时长驻留比、视频下载速率、视频播放成功、速率码率比、启动时延、初始缓冲成功率、初始缓冲时延、视频卡顿率、视频卡顿时长占比、回传上行包间隔异常事件占比、回传上行丢包异常事件占比、回传上行有效速率、拉流下行速率、拉流启动时延、tcp12次握手成功率、tcp23次握手成功率、tcp12次握手时延、tcp23次握手时延、tcp上行丢包率、tcp下行丢包率、tcp上行乱序率和tcp下行乱序率。
23、另一方面，本专利技术实施例提供了一种5g网络指标的监控装置包括：数据获取模块，用于获取5g网络的多种指标的历史数据和实时数据；预处理模块，用于对所述多种指标的历史数据进行预处理以生成多种指标的历史数据序列；平滑模块，用于对预处理后的历史数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列；特征辨识模块，用于对所述平稳时间序列中的指标数据的连续性和数据前后时刻的相关性进行特征辨识；模型选择模块，用于根据所述平稳时间序列的自相关性和偏相关性选择ncmma(m,n)预测模型；模型生成模块，用于使用最大似然本文档来自技高网...
【技术保护点】
1.一种5G网络指标的监控方法，其特征在于，包括：
2.根据权利要求1所述的5G网络指标的监控方法，其特征在于，获取历史指标数据，并对所述历史指标数据进行预处理进一步包括：
3.根据权利要求1所述的5G网络指标的监控方法，其特征在于，对预处理后的历史指标数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列进一步包括：
4.根据权利要求3所述的5G网络指标的监控方法，其特征在于，
5.根据权利要求3所述的5G网络指标的监控方法，其特征在于，所述平稳时间序列的自相关性包括通过以下自相关函数表示同一个平滑后的指标数据值在不同时刻的各个取值之间的自相关性ρk：
6.根据权利要求3所述的5G网络指标的监控方法，其特征在于，所述平稳时间序列的偏相关性包括：通过以下公式表示去掉中间变量的干扰之后的两个变量之间的偏相关性：
7.根据权利要求3所述的5G网络指标的监控方法，其特征在于，使用最大似然估计算法估计所述NCMMA(m,n)预测模型的模型参数包括：
8.根据权利要求1至7中的任一项所述的5G网络指标的监控方法，其特征在于，所述多种指标包括：5G终端数、5G终端附着5G网络数、5G终端附着5G网络占比、上报5G开关状态的5G终端总量、5G开关开的5G终端数、5G终端5G开关开占比、锚点站5G终端附着成功率、ERAB修改指示成功率、区域5G访问次数驻留比、区域5G流量驻留比、区域5G时长驻留比、视频下载速率、视频播放成功、速率码率比、启动时延、初始缓冲成功率、初始缓冲时延、视频卡顿率、视频卡顿时长占比、回传上行包间隔异常事件占比、回传上行丢包异常事件占比、回传上行有效速率、拉流下行速率、拉流启动时延、TCP12次握手成功率、TCP23次握手成功率、TCP12次握手时延、TCP23次握手时延、TCP上行丢包率、TCP下行丢包率、TCP上行乱序率和TCP下行乱序率。
9.一种5G网络指标的监控装置，其特征在于，包括：
10.根据权利要求9所述的5G网络指标的监控装置，其特征在于，
...
【技术特征摘要】
1.一种5g网络指标的监控方法，其特征在于，包括：
2.根据权利要求1所述的5g网络指标的监控方法，其特征在于，获取历史指标数据，并对所述历史指标数据进行预处理进一步包括：
3.根据权利要求1所述的5g网络指标的监控方法，其特征在于，对预处理后的历史指标数据序列进行动态减差平滑处理以将非平稳时间序列转换为平稳时间序列进一步包括：
4.根据权利要求3所述的5g网络指标的监控方法，其特征在于，
5.根据权利要求3所述的5g网络指标的监控方法，其特征在于，所述平稳时间序列的自相关性包括通过以下自相关函数表示同一个平滑后的指标数据值在不同时刻的各个取值之间的自相关性ρk：
6.根据权利要求3所述的5g网络指标的监控方法，其特征在于，所述平稳时间序列的偏相关性包括：通过以下公式表示去掉中间变量的干扰之后的两个变量之间的偏相关性：
7.根据权利要求3所述的5g网络指标的监控方法，其特征在于，使用最大似然估计算法估计所述ncmma(m,...
【专利技术属性】
技术研发人员：王文平，刘喜庆，
申请(专利权)人：北京域天科技有限公司，
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。