电力通信网络设备的数据增强方法及相关设备技术

本申请提供一种数据增强方法及相关设备。所述方法包括：获取告警数据对应的性能数据序列；所述性能数据序列包括告警数据产生时的性能数据和告警数据产生之前的多个性能数据；确定所述性能数据的总体变化程度评估值和突变程度评估值；基于所述总体变化程度评估值和所述突变程度评估值，确定所述告警数据对应的故障类型；选择与所述故障类型对应的数据增强模型，对所述性能数据进行数据增强。通过本申请技术方案可以避免增强数据特征分布与原始数据特征分布不一致的问题，通过本申请得到的增强数据更有利于故障预测模型的训练，可以提高故障预测模型的准确率。

【技术实现步骤摘要】

本申请涉及数据处理，尤其涉及一种数据增强方法及相关设备。

技术介绍

1、随着电力通信网络规模的不断扩大，拓扑结构日益复杂，接入终端及生产业务快速增长，电力通信网络在智能运维上面临挑战。

2、当前，可以通过电力通信网传输设备健康度评估模型量化网络健康状态，提高网络智能运维水平。其中，深度神经网络故障预测模型，是电力通信网传输设备健康度评估模型的一个重要组成部分。

3、但是，从电力通信网采集的原始数据经数据预处理后，告警数据数量远少于非告警数据数量，对应的性能数据的数据特征分布存在不均衡的现象，会导致故障预测模型的预测性能劣化，传输设备健康度分析结果的准确性下降。

4、由此，相关技术中通常采用过采样方法对告警数据对应的性能数据进行数据增强，以训练上述故障预测模型。过采样方法是一种常用的数据增强方法，用于提高少数类样本的数量，处理不平衡数据集。常见的过采样方法有人工少数类过采样法(syntheticminority over-sampling technique，smote)和针对不平衡学习的自适应合成抽样方法(adaptiv本文档来自技高网...

【技术保护点】

1.一种数据增强方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述确定所述性能数据的总体变化程度评估值和突变程度评估值，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述总体变化程度评估值和所述突变程度评估值，确定所述告警数据对应的故障类型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述总体变化程度评估值和所述突变程度评估值，确定所述告警数据对应的故障类型，还包括：

5.根据权利要求3所述的方法，其特征在于，所述选择与所述故障类型对应的数据增强模型，对所述性能数据进行数据增强，包括：

...

【技术特征摘要】

1.一种数据增强方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述确定所述性能数据的总体变化程度评估值和突变程度评估值，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述总体变化程度评估值和所述突变程度评估值，确定所述告警数据对应的故障类型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述总体变化程度评估值和所述突变程度评估值，确定所述告警数据对应的故障类型，还包括：

5.根据权利要求3所述的方法，其特征在于，所述选择与所述故障类型对应的数据增强模型，对所述性能数据进行数据增强，包括：

6.根据权利要求4所...

【专利技术属性】
技术研发人员：郑启薇，周鸿喜，谷小爽，林通，张书林，黄俊桦，赵永利，刘涛，宁云潇，张杰，
申请(专利权)人：国家电网有限公司信息通信分公司，
类型：发明
国别省市：