[发明专利]一种基于小波神经网络的告警权值确定方法

说明书

技术领域

本发明涉及通信网技术领域。尤其涉及一种基于小波神经网络的告警加权关联规则权值确定方法。

背景技术

现代通信网络向着高速化、数字化、综合化、标准化发展，网络的管理难度也随之增加。而网络告警作为网络管理对象最重要的标识便成为网络管理的核心内容。由于现代网络本身的庞大以及复杂，产生的告警类型丰富、数量巨大，告警相关性分析便应运而生。在这些告警中包含了大量的冗余告警，通过告警相关性分析可以消除告警冗余信息以及告警风暴，并进一步找到故障根源以快速定位和解决故障。其中，基于数据挖掘的告警相关性分析由于其具有对网络变化自适应能力的优点被学术界和工业界广泛关注。而关联规则作为数据挖掘的重要方法，在告警相关性分析中得到大量应用。在通信网中，告警信号根据ITU-T的X.733标准的建议由很多属性组成，某些属性具有不同的级别，不同的告警级别表示了故障的不同严重程度。因此，在进行关联规则挖掘时不能将各项告警记录之间的关系看作是相同的。为此，综合考虑告警信息中各属性并为告警信息分配合适的权值，是网络告警相关性分析的研究热点和难点。

目前权值确定的方法主要有：网管人员主观确定、层次分析法及神经网络。网管人员凭借经验和主观判断确定权值主观因素太重，缺乏科学依据，而且当影响告警权值的因素过多时，这样确定的权值很难体现出不同因素组合的差别。因此，阳继红等人在“具有动态加权特性的关联规则算法”【吉林大学学报（理学版），2005.5,43(3):314-319】中利用层次分析法将告警的各个属性分为5个级别，要求使用者为数据库中各个告警属性确定一个重要程度，其缺点在于当告警很多时，这种方法显得粗糙，无法体现个体的差异性。肖林海等人在“层次分析法在通信网告警相关性分析中的应用研究”【电信科学，2006.11：36-39】中给出了一种改进的算法，该方法将网络拓扑作为一个告警权值的影响因素引入到权值的确定中，这样确定的权值包含了丰富的网络资源信息，在告警相关性分析时能够更加准确地找出网络的资源故障。然而由于网络拓扑的引入，在网络发生变化时，权值也需要随之重新确定。李彤岩等在“神经网络在确定关联规则挖掘算法权值中的应用研究”【计算机应用研究，2008.5，25（5）：1440-1449】提出利用一个二元神经网络来进行权值的确定，但是在利用神经网络来进行权值设定时，存在训练速度慢、结构设计上存在盲目性、训练过程中容易陷入局部极小值点等缺陷。因此，如何快速并科学地确定告警权值是一个亟需解决的问题。

发明内容

针对以上现有技术中的不足，本发明的目的在于提供一种判断准确度提高、计算速度更快的基于小波神经网络的告警权值确定方法。为达到上述目的，本发明的技术方案是：一种基于小波神经网络的告警权值确定方法,其特征在于包括以下步骤：

101、按照告警的重要程度，对告警设定5种告警重要度，并建立每一种告警重要度的权值；

102、选取告警信息中的部分字段信息构成告警事务集合；

103、将告警事务集合中选取的告警字段分别进行分级、量化，将所得告警向量作为小波神经网络的输入；

104、初始化小波神经网络参数；

105、小波神经网络进行学习，计算小波神经网络的输出y，并计算误差E；

106、若误差E>ε,其中ε为常数，则返回步骤105继续进行学习；若误差E<ε,，则判断小波神经网络收敛，小波神经网络停止学习，训练结束，得到训练好的小波神经网络；

107、当实际网络发生故障时，选取实际网络故障告警信息中的部分字段信息得到告警事务集合,将告警事务集合中选取的告警字段分别进行分级、量化；将分级、量化后的告警字段构成告警向量作为步骤106中训练好的小波神经网络的输入，计算小波神经网络的输出y',此时小波神经网络的输出y'即为步骤101中5种告警重要度之一，并且将该告警重要度对应的权值输出并显示。

进一步的，步骤101中，5种告警重要度分别为10000,01000,00100,00010,00001，并分别对5种告警重要度设定权值。

进一步的，步骤102中，选取告警信息中的部分字段是根据ITU-T的X.733标准中报警信息包含的告警字段中的告警级别、告警类型和告警设备类型，由告警级别、告警类型和告警设备类型构成告警事务集合。

进一步的，步骤103中告警字段中的告警级别的分级及对应的量化值为：紧急告警，量化值为5；主要告警，量化值为4；次要告警，量化值为3；警告告警，量化值为2；不确定告警，量化值为1。