[发明专利]一种基于模糊时间序列预测模型的IP承载网性能指标主动监控方法

说明书

技术领域：

本发明属于电信网络管理领域，特别涉及网络性能预测方法和主动监控。

背景技术：

IP承载网是基于MPLS进行建设的，通过快速的标签交换来实现网络下一代的快速交换。IP承载网是目前国际使用范围最大的软交换承载网，是中国3G、NGN和企业VPN业务的承载网络，其将与中国CMNet网业务形成互补，在带宽与流量规划、QoS、可靠性、多业务、可运营和可管理等方面具有优势。IP技术及IP承载网，自2005年被用于大规模的NGN承载以来，所面临的问题并不仅仅承载技术本身。以IP承载NGN技术的关键在于，IP网络要适应NGN商业模式模型和管理模式的变迁。电信业务从TDM承载转为IP承载，与传统IP网络以设备管理和故障为重点不同，IP承载管理对象更多地转向以网络业务集中管理、网络资源配置和动态性能监控为重点的管理。而传统的IP承载网的监控手段，大部分只是监控实时数据，没有真正意义上实现主动监控机制。随着IP承载网建设到达一定的规模，其整体的监控和管理就成为了必须考虑的问题。性能是检验IP承载网成功与否的关键指标。保障IP承载网性能除了要在规划设计上借鉴成熟的电信业务承载经验，融合IP承载的扁平化和可扩展性之外，还需要在运维层次上建立一套完整的主动性能监控体系。以往的承载网监控多为实时监控，监控数据没有得到充分利用，网络故障诊断多为“事后灭火”，不能根据网络主要性能指标的降质实现网络故障预警。

预测技术是IP承载网实现主动监控机制的基础，对于预测技术方面，对单变量模型，已有人提出了“门限自回归模型”、“双线性模型”、“马尔科夫转换过程”、“平稳转换和混沌模型”、“人工神经网络逼近”、“随机方差模型”等模型，对多变量模型还有“一般动态回归”、“多变量回归”、“自变量回归”、“共同周期趋势分析”等理论。2003年，克莱夫一格兰杰(Clive Granger)和罗伯特一恩格尔(Robert Engel)以他们在时间序列计量经济学里的贡献获得2003年度的诺贝尔经济学奖。以此为标志，时间序列预测技术已经有了相当的发展。软交换的数据特点适合采用统计学的Box-Jenkins(ARIMA)模型。但是，传统的Box-Jenkins模型是单变量的线性模型，存在不能处理非线性问题，误差较大等问题。模糊逻辑在时间序列技术上的应用方面，自从1965年Zadeh提出模糊集合理论以来，模糊集的概念得到广泛应用。将模糊逻辑与时间序列预测技术有效融合，构成模糊时间序列预测模型，预测精度，算法的鲁棒性等方面都有很大程度的提高。但目前为止，模糊时间序列主要应用于经济学领域。在通信领域中试图使用统计学的思想来预测通信性能，已成为一种新的发展趋势，但还没有先例将其用于网络性能主动监控领域。将模糊时间序列技术应用到IP承载网的主动监控机制的实现过程中是本发明的特色之一。

发明内容：

本发明要解决的技术问题是将模糊时间序列方法引入到了IP承载网的性能管理与主动监控领域之中，即采用Fuzzy ARIMA模型对IP承载网的性能指标数据进行预测分析，并实现网络预警，实现对IP承载网主要的性能指标数据进行主动监控。根据IP承载网性能指标数据的特点，建立合适的预测模型，在性能指标数据预测的基础上，根据网络性能降质实现对网络运行状态的预警。

下面对本发明的工作步骤进行详细介绍：

一种基于模糊时间序列预测模型的IP承载网性能指标主动监控方法，包括以下几个步骤：

步骤一：根据性能指标数据特性，建立历史性能指标数据库，并对数据进行清洗和填补处理，构建优化数据库；

步骤二：对优化数据库中的各性能指标数据建立预测模型；

步骤三：使用预测模型，根据某项性能指标数据的历史值预测未来值，并画出走势图，预测时实现时间粒度可配置；

步骤四：计算主动监控机制的基线；

步骤五：设计并实现主动告警机制；

步骤六：告警信息主动推送给客户，并存储告警信息到告警记录数据库。

所述的步骤一中的数据清洗处理采用阈值清洗法，对明显不合理的数据进行清除，如接通率时间序列中的值若大于1，则清洗掉；

所述的步骤一中的数据填补处理，采用双向预测均值填补法对性能指标时间序列中的缺失数据进行填补，所谓双向预测均值添补法，是指正向和反向分别使用BP神经网络预测方法和高斯回归模型预测方法的预测值取均值，填入缺失位置。

所述的步骤二性能指标数据预测模型使用FuzzyARIMA模型，其特征在于只对性能指标数据序列进行模糊化，模型参数仍是实数，该模型构建步骤如下：