【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种基于网元性能与告警数据生成告警工单的装置及方法。
技术介绍
1、随着物联网高速发展，应用场景更加多样化，企业需求千差万别。如何及时、准确发现因网络原因引起的用户感知下降，对提升用户感知、降低运营成本起到至关重要的作用。
2、传统的告警工单生成方式采用为告警对象设定告警门限，当告警对象超过设定门限时生成告警工单，该方法因未充分考虑告警对象出现时的真实原因，导致存在误告警工单生成的问题，导致处理时长增加，引起用户感知降低和运营成本增加。
3、现有的网元性能告警工单生成方法存在以下不足：
4、告警工单准确率低：工单生成过程中未对原因进行分析排查，导致生成的告警工单存在一定量的非网络故障工单，告警工单处理成本高：因非网络故障工单的存在，导致投入到这类工单的处理时间和成本存在浪费。
技术实现思路
1、本专利技术公开一种基于网元性能与告警数据生成告警工单的装置及方法，旨在解决
技术介绍
中提出的告警工单处理成本高，因非网络故障工单的存在，导致投入到这类工单的处理时间和成本存在浪费的技术问题。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于网元性能与告警数据生成告警工单的装置及方法，包括性能数据预测模块、告警类型识别模块和告警工单生成模块，所述性能数据预测模块包括有业务标签识别单元和预测数据输出单元，且业务标签识别单元将已有的具有业务特征和业务标签的数据作为训练数据，通过xgboost算法
4、在一个优选的方案中，所述告警类型识别模块包括有历史数据关联单元和告警类型输出单元，且历史数据关联单元将网元的性能数据和告警数据进行关联，首先对性能数据按照时间进行排序，将告警数据与性能数据通过dnn进行关联，然后再通过时间进行关联，找到每个dnn随时间的性能数据变化规律和发生告警时间点的各指标变化特点，所述告警类型输出单元通过历史数据关联单元操作步骤得出的性能数据与告警数据关联的数据，采用isolation fores算法对各性能指标和告警类型的关联关系进行挖掘，isolationfores算法属于无监督学习算法，会自动通过学习分类的方式对各种告警类别进行识别，并且能够输出性能数据中各指标和每种告警类型的影响关系。
5、在一个优选的方案中，所述告警工单生成模块包括有初始工单生成单元、告警关联筛查单元和预测数据筛查单元，且初始工单生成单元基于性能数据中用于判决的指标项告警生成门限，对实时性能数据对应的指标项进行逐一判断，当满足告警生成门限时生成初始告警工单，所述告警关联筛查单元针对初始工单生成单元生成的初始告警工单和告警类型输出单元生成的性能告警识别结果，结合实时告警数据进行告警关联筛查，将初始告警工单中的时间+网元+指标与实时告警数据进行关联对比筛查，所述预测数据筛查单元基于告警关联筛查单元识别出来的待筛查告警工单，结合预测数据输出单元生成的预测数据进行筛查，当待所述筛查告警工单单元的指标值与预测数据对应的指标时波动范围小于10％时，判决为误告警工单；当待筛查告警工单单元的指标值与预测数据对应的指标时波动范围大于等于10％时，判决为终态告警工单；
6、传统的告警工单生成方式采用为告警对象设定告警门限，当告警对象指标超过设定门限时生成告警工单。该方法因未充分考虑告警对象指标劣化时的真实原因，导致存在误生成的问题。造成用户感知降低，运营成本增加。
7、由上可知，一种基于网元性能与告警数据生成告警工单的装置及方法，包括性能数据预测模块、告警类型识别模块和告警工单生成模块，所述性能数据预测模块包括有业务标签识别单元和预测数据输出单元，且业务标签识别单元将已有的具有业务特征和业务标签的数据作为训练数据，通过xgboost算法(extreme gradient boosting高效的梯度提升决策树算法)训练好模型之后，将需要预测的业务数据具有的特征输入模型，对不同特征的数据打上业务标签，所述预测数据输出单元基于第一步识别出的dnn标签，筛选出具有规律性的dnn，通过neuralprophet时序算法，对筛选出的有规律的dnn在未来一段时间内的性能数据进行预测，将模型输出的数据作为该dnn的预测数据。本专利技术提供的基于网元性能与告警数据生成告警工单的装置及方法具有以性能数据和告警数据为输入条件，通过装置内置的性能数据预测、告警类型识别、告警工单生成3个模块处理后自动输出高可靠的终态告警工单，达到提升告警工单生成准确性，降低工单处理成本，提升用户满意度的目的技术效果。
本文档来自技高网...【技术保护点】
1.一种基于网元性能与告警数据生成告警工单的装置，其特征在于，包括性能数据预测模块、告警类型识别模块和告警工单生成模块。
2.一种基于网元性能与告警数据生成告警工单的方法，应用于权利要求1所述的一种基于网元性能与告警数据生成告警工单的装置，其特征在于，所述告警类型识别模块包括有历史数据关联单元和告警类型输出单元，且历史数据关联单元将网元的性能数据和告警数据进行关联，首先对性能数据按照时间进行排序，将告警数据与性能数据通过DNN进行关联，然后再通过时间进行关联，找到每个DNN随时间的性能数据变化规律和发生告警时间点的各指标变化特点。
3.根据权利要求2所述的一种基于网元性能与告警数据生成告警工单的方法，其特征在于，所述告警类型输出单元通过历史数据关联单元操作步骤得出的性能数据与告警数据关联的数据，采用Isolation Fores算法对各性能指标和告警类型的关联关系进行挖掘，Isolation Fores算法属于无监督学习算法，会自动通过学习分类的方式对各种告警类别进行识别，并且能够输出性能数据中各指标和每种告警类型的影响关系。
4.根据权利要求
5.根据权利要求4所述的一种基于网元性能与告警数据生成告警工单的方法，其特征在于，所述告警关联筛查单元针对初始工单生成单元生成的初始告警工单和告警类型输出单元生成的性能告警识别结果，结合实时告警数据进行告警关联筛查，将初始告警工单中的时间+网元+指标与实时告警数据进行关联对比筛查。
6.根据权利要求5所述的一种基于网元性能与告警数据生成告警工单的方法，其特征在于，所述预测数据筛查单元基于告警关联筛查单元识别出来的待筛查告警工单，结合预测数据输出单元生成的预测数据进行筛查。
7.根据权利要求6所述的一种基于网元性能与告警数据生成告警工单的方法，其特征在于，当待所述筛查告警工单单元的指标值与预测数据对应的指标时波动范围小于10％时，判决为误告警工单；当待筛查告警工单单元的指标值与预测数据对应的指标时波动范围大于等于10％时，判决为终态告警工单。
...【技术特征摘要】
1.一种基于网元性能与告警数据生成告警工单的装置，其特征在于，包括性能数据预测模块、告警类型识别模块和告警工单生成模块。
2.一种基于网元性能与告警数据生成告警工单的方法，应用于权利要求1所述的一种基于网元性能与告警数据生成告警工单的装置，其特征在于，所述告警类型识别模块包括有历史数据关联单元和告警类型输出单元，且历史数据关联单元将网元的性能数据和告警数据进行关联，首先对性能数据按照时间进行排序，将告警数据与性能数据通过dnn进行关联，然后再通过时间进行关联，找到每个dnn随时间的性能数据变化规律和发生告警时间点的各指标变化特点。
3.根据权利要求2所述的一种基于网元性能与告警数据生成告警工单的方法，其特征在于，所述告警类型输出单元通过历史数据关联单元操作步骤得出的性能数据与告警数据关联的数据，采用isolation fores算法对各性能指标和告警类型的关联关系进行挖掘，isolation fores算法属于无监督学习算法，会自动通过学习分类的方式对各种告警类别进行识别，并且能够输出性能数据中各指标和每种告警类型的影响关系。
4.根据权利要求3所述的一种基于网元性能与告警数据生成告...
【专利技术属性】
技术研发人员：梁伟，曹杰，王敏，程涛木，
申请(专利权)人：博瑞得科技有限公司，
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。