System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及通信网络故障分析,特别涉及基于数字孪生的通信网络故障分析方法及系统。
技术介绍
1、通信网络故障不仅会影响到网络正常运行,降低通信速率,而且还会影响到网络信息安全,出现信息丢失,严重情况下还会出现通信网络瘫痪,因此,对通信网络进行实时监测,以发现通信故障,实现通信故障的告警,对通信安全有重要的现实意义。
2、最初采用人工对网络故障进行检测,主要方式由技术人员对通信网络硬件进行定期安全检查,依靠测试系统对通信网络软件进行测试,根据网络软硬件情况对网络状态综合分析,以检测出网络故障,使用这种方式,不仅检测效率低下,且检测结果具有主观性,随着大数据技术的不断发展,相关研究中提出利用数字孪生技术,以通信数据为基础,通过多学科、多尺度、多物理量等耦合仿真方法构建通信网络的物理模型,从而完成现实世界的物理实体精准映射到虚拟通信网络的镜像数字化模型,形成物理维度的实体世界与信息维度的数字世界协同共存、虚实交融的场景,为通信故障的检测提供了新的研究方向,但现有的通信故障检测中并没有相关的实施方法。为此,我们提出基于数字孪生的通信网络故障分析方法及系统。
技术实现思路
1、本专利技术的主要目的在于提供基于数字孪生的通信网络故障分析方法及系统,可以有效解决
技术介绍
中的问题。
2、为实现上述目的,本专利技术采取的技术方案为:
3、基于数字孪生的通信网络故障分析方法,包括,
4、根据完全闭合的测试信号参量处理过程获取通信网络的结构形式分布,根据
5、获取通信网络的拓扑结构中各节点的运行数据;
6、根据获取的拓扑结构构建通信网络的镜像数字化模型,添加各节点的运行数据类型至构建的数字化模型中;
7、采集通信网络拓扑结构中各节点在连续t个周期内的运行数据统计值,将获取的运行数据统计值同步传输至数字化模型中;
8、在所述数字化模型对各节点在第t+1个周期内的运行数据统计值进行预测,获取各节点的运行数据统计预测值,其中,预测值通过以下公式进行计算:
9、yij(t+1)=axijt+a(1-a)xij(t-1)+a(1-a2)xij(t-2)+...+a(1-a)t-1xij1+(1-a)tyij1
10、式中,yij(t+1)为通信网络的拓扑结构中第i个节点的第j项运行数据统计值在第t+1个周期内的预测结果,xijt为通信网络的拓扑结构中第i个节点的第j项运行数据统计值在第t个周期内的实测值,a为常数系数;
11、获取各节点在第t+1个周期内的运行数据统计值的实测结果,计算实测结果与预测结果之间的偏差值,根据偏差值的计算结果对节点故障风险程度等级进行判定其中,所述偏差值的计算公式为:
12、
13、式中,dij为通信网络的拓扑结构中第i个节点的第j项运行数据统计值的预测结果与实测结果之间的偏差度,y'ij(t+1)为通信网络的拓扑结构中第i个节点的第j项运行数据统计值在第t+1个周期内的实测结果;
14、当所述运行数据统计值为正向性指标时,节点故障风险程度等级的判定原则为:
15、当yij(t+1)≤y'ij(t+1)时;
16、若实测结果与预测结果间的偏差值越大,则节点故障风险程度等级越低;
17、若实测结果与预测结果间的偏差值越小,则节点故障风险程度等级越高;
18、当yij(t+1)>y'ij(t+1)时;
19、若实测结果与预测结果间的偏差值越大,则节点故障风险程度等级越高;
20、若实测结果与预测结果间的偏差值越小,则节点故障风险程度等级越低;
21、当所述运行数据统计值为负向性指标时,节点故障风险程度等级的判定原则为:
22、当yij(t+1)≤y'ij(t+1)时;
23、若实测结果与预测结果间的偏差值越大,则节点故障风险程度等级越高;
24、若实测结果与预测结果间的偏差值越小,则节点故障风险程度等级越低;
25、当yij(t+1)>y'ij(t+1)时;
26、若实测结果与预测结果间的偏差值越大,则节点故障风险程度等级越低;
27、若实测结果与预测结果间的偏差值越小,则节点故障风险程度等级越高。
28、所述正向性指标为所述运行数据统计值与通信网络运行状态呈正相关的指标类型;所述负向性指标为所述运行数据统计值与通信网络运行状态呈负相关的指标类型。
29、基于数字孪生的通信网络故障分析系统,包括拓扑结构构建模块、运行数据采集模块、数字化模型构建模块、数据同步模块、运行数据统计值预测模块、节点故障风险程度判定模块;
30、所述拓扑结构构建模块用于根据完全闭合的测试信号参量处理过程获取通信网络的结构形式分布,并根据获取的结构形式分布情况构建通信网络的拓扑结构;
31、所述运行数据采集模块用于获取通信网络的拓扑结构中各节点的运行数据;
32、所述数字化模型构建模块用于根据获取的拓扑结构构建通信网络的镜像数字化模型,并添加各节点的运行数据类型至构建的数字化模型中;
33、所述数据同步模块与所述运行数据采集模块及所述数字化模型构建模块连接,用于将采集的通信网络拓扑结构中各节点在连续t个周期内的运行数据统计值同步传输至数字化模型中;
34、所述运行数据统计值预测模块用于根据同步的运行数据统计值预测各节点在第t+1个周期内的运行数据统计值,其中,预测值通过以下公式进行计算:
35、yij(t+1)=axijt+a(1-a)xij(t-1)+a(1-a2)xij(t-2)+...+a(1-a)t-1xij1+(1-a)tyij1
36、式中,yij(t+1)为通信网络的拓扑结构中第i个节点的第j项运行数据统计值在第t+1个周期内的预测结果,xijt为通信网络的拓扑结构中第i个节点的第j项运行数据统计值在第t个周期内的实测值,a为常数系数,其中,常数系数a的取值范围为a∈(0,1),其中,a的具体取值根据以下步骤进行确定:
37、步骤s01,获取通信网络拓扑结构中待评估节点的第t个周期的前λ个周期的运行数据统计值;
38、步骤s02,设定常数系数a的初始值为a0,终结值为ae,步长为其中,n为大于1的整数;
39、步骤s03,以第t个周期的运行数据统计值作为预测值,前λ个周期的运行数据统计值作为输入值,初始值a0为常数系数,通过运行数据统计预测值的计算公式计算出第t个周期的运行数据统计值yijt0;
40、步骤s04,增加初始值常数系数a0一个步长通过运行数据统计预测值的计算公式计算出第t个周期的运行数据统计值
41、步骤s05,重复步骤s04,分别计算出当常数系数a每增加一个步长至终结值ae时,第t个周期的运行数据本文档来自技高网...
【技术保护点】
1.基于数字孪生的通信网络故障分析方法,其特征在于,包括,
2.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:所述偏差值的计算公式为:
3.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:当所述运行数据统计值为正向性指标时,节点故障风险程度等级的判定原则为:
4.根据权利要求3所述的基于数字孪生的通信网络故障分析方法,其特征在于:所述正向性指标为所述运行数据统计值与通信网络运行状态呈正相关的指标类型;所述负向性指标为所述运行数据统计值与通信网络运行状态呈负相关的指标类型。
5.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:常数系数a的取值范围为a∈(0,1),其中,a的具体取值根据以下步骤进行确定:
6.根据权利要求5所述的基于数字孪生的通信网络故障分析方法,其特征在于:λ的取值范围为λ=1,2,...,k;k≥20,步长的取值范围为
7.基于数字孪生的通信网络故障分析系统,其特征在于,包括拓扑结构构建模块、运行数据采集模块、数字化模型构建模块、
8.根据权利要求7所述的基于数字孪生的通信网络故障分析系统,其特征在于:所述系统还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行程序时实现权利要求1-6任一项所述方法的步骤。
...【技术特征摘要】
1.基于数字孪生的通信网络故障分析方法,其特征在于,包括,
2.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:所述偏差值的计算公式为:
3.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:当所述运行数据统计值为正向性指标时,节点故障风险程度等级的判定原则为:
4.根据权利要求3所述的基于数字孪生的通信网络故障分析方法,其特征在于:所述正向性指标为所述运行数据统计值与通信网络运行状态呈正相关的指标类型;所述负向性指标为所述运行数据统计值与通信网络运行状态呈负相关的指标类型。
5.根据权利要求1所述的基于数字孪生的通信网络故障分析方法,其特征在于:常...
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。