网络异常检测方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及一种网络异常检测方法、装置、电子设备及存储介质，该网络异常检测方法包括：判断用于确定当前网络是否异常的关键网络指标中的目标网络指标，是否为周期性指标得到判断结果；基于根据判断结果选择的目标阈值算法，和当前网络中任一子网的目标网络指标在第一预设时间段内的时间序列数据，确定相应的目标阈值区间；若该任一子网的目标网络指标的实时取值超过目标阈值区间，则确定当前网络异常并定位任一子网下的严重故障小区。这样，在基于子网的关键网络指标的实时取值和其对应的目标阈值区间确定网络是否异常，实现网络异常的实时、自动检测的基础上，可进一步进行严重故障小区定位，从而高效完成网络检测和分析工作。

【技术实现步骤摘要】

本申请涉及无线通信，尤其涉及一种网络异常检测方法、装置、电子设备及存储介质。

技术介绍

1、在无线通信
，随着网络性能监测的需求日益增长，网络异常实时检测技术和故障关联分析技术成为研究的热点之一。

2、现有技术中，已经存在一些利用机器学习等技术实现网络异常实时检测的方法。例如，将目标网络分层成子网络，通过机器学习算法确定子网络的相似矩阵，然后基于相似矩阵和历史性能数据训练得到异常检测模型。但是，这一方法专注于通过优化机器学习算法提升检测的准确度，以及能够在电信网络、有线电视网络等多种网络场景中进行应用。类似该方法的技术，其输出的检测结果没有体现网络产生异动的可能原因，并且没有后续的故障关联分析方法。

3、在实际的网络性能监测和运维工作中，网络优化工程师经常关注网络的关键指标，比如无线接通率、rrc连接建立成功率等。这些指标数据由网元上报到网管的计数器数据通过指标的公式汇总后得到，能够更加详细地、多维度地表征网络的状态。网络优化工程师通过监测网络关键指标的状态来进行网络异常检测，能够更加详细、明确地体现出网络产生异常的原因，便于本文档来自技高网...

【技术保护点】

1.一种网络异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的网络异常检测方法，其特征在于，所述判断目标网络指标是否为周期性指标，得到判断结果，包括：

3.根据权利要求1所述的网络异常检测方法，其特征在于，所述基于所述判断结果，选择目标阈值算法，包括：

4.根据权利要求3所述的网络异常检测方法，其特征在于，

5.根据权利要求3所述的网络异常检测方法，其特征在于，

6.根据权利要求5所述的网络异常检测方法，其特征在于，若所述判断结果表示所述目标网络指标为非周期性指标，

7.根据权利要求1所述的网络异常检...

【技术特征摘要】

1.一种网络异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的网络异常检测方法，其特征在于，所述判断目标网络指标是否为周期性指标，得到判断结果，包括：

3.根据权利要求1所述的网络异常检测方法，其特征在于，所述基于所述判断结果，选择目标阈值算法，包括：

4.根据权利要求3所述的网络异常检测方法，其特征在于，

5.根据权利要求3所述的网络异常检测方法，其特征在于，

6.根据权利要求5所述的网络异常检测方法，其特征在于，若所述判断结果表示所述目标网络指标为非周期性指标，

7.根据权利要求1所述的网络异常检测方法，其特征在于，所述确定当前网络异常，包括：

8.根据权利要求3所述的网络异常检测方法，其特征在于，所述定位所述任一子网下的严重故障小区，包括：

9.根据权利要求8所述的网络异常检测方法，其特征在于，所述基于所述任一子网中各个小区的贡献度对所述各个小区进行筛选，确定所述任一子网中的严重故障小区之前，所述方法还包括：

10.根据权利要求9所述的网络异常检测方法，其特征在于，所述按照第一规则来确定所述任一子网中各个小区的贡献度，包括：

11.根据权利要求10所述的网络异常检测方法，其特征在于，所述确定所述任一小区的贡献度，包括：

12.根据权利要求9所述的网络异常检测方法，其特征在于，所述按照第二规则来确定所述任一子网中各个小区的...

【专利技术属性】
技术研发人员：王兆祥，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：