[发明专利]确定故障类型的方法和装置有效
申请号: | 201610867164.3 | 申请日: | 2016-09-30 |
公开(公告)号: | CN107888397B | 公开(公告)日: | 2020-12-25 |
发明(设计)人: | 潘璐伽;赫彩凤;张建锋 | 申请(专利权)人: | 华为技术有限公司 |
主分类号: | H04L12/24 | 分类号: | H04L12/24 |
代理公司: | 北京龙双利达知识产权代理有限公司 11329 | 代理人: | 魏雪娇;毛威 |
地址: | 518129 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 确定 故障 类型 方法 装置 | ||
1.一种确定故障类型的方法,其特征在于,包括:
对多个用户中每个用户在预设周期内产生的运行数据进行在线实时计算,获得所述每个用户在所述预设周期内产生的所述运行数据对应的运行特征值;
接收故障分类请求,所述故障分类请求用于请求确定目标用户在目标时刻之前所产生的故障的故障类型,所述目标用户为所述多个用户中的任意一个用户;
根据所述故障分类请求,基于故障分类模型和所述目标用户在所述目标时刻之前的预设周期内的运行特征值,确定所述目标用户在所述目标时刻之前所产生的故障的故障类型,其中,所述故障分类模型是根据序列特征集和已知故障的训练数据对应的故障类型进行训练得到的,所述序列特征集为能够表征故障类型的多个特征的集合并根据所述已知故障类型的训练数据进行序列挖掘获得,
所述故障分类模型是根据序列特征集和已知故障的训练数据对应的故障类型进行训练得到的,包括:获取所述训练数据,所述训练数据包括信令面训练数据和用户面训练数据中的至少一种;根据所述训练数据,确定训练数据序列,所述训练数据序列包括 所述信令面训练数据 对应的信令训练数据序列和所述用户面训练数据对应的用户训练数据序列中的至少一种;根据所述训练数据序列和序列特征集,确定所述训练数据对应的训练特征值;根据所述训练特征值和所述训练数据对应的故障类型,确定所述故障分类模型。
2.根据权利要求1所述的方法,其特征在于,所述对多个用户中每个用户在预设周期内产生的运行数据进行在线实时计算,获得所述每个用户在所述预设周期内产生的所述运行数据对应的运行特征值,包括:
获取所述每个用户在所述预设周期内产生的所述运行数据,所述运行数据包括信令面运行数据和用户面运行数据中的至少一种;
根据所述运行数据,确定运行数据序列,所述运行数据序列包括所述信令面运行数据对应的信令运行数据序列和所述用户面运行数据对应的用户运行数据序列中的至少一种;
根据所述运行数据序列和所述序列特征集,确定所述运行数据对应的所述运行特征值。
3.根据权利要求1所述的方法,其特征在于,所述序列特征集包括挖掘序列特征集。
4.根据权利要求3所述的方法,其特征在于,当所述序列特征集包括所述挖掘序列特征集时,所述方法还包括:
对所述训练数据序列进行序列挖掘计算,获得所述挖掘序列特征集。
5.根据权利要求4所述的方法,其特征在于,所述对所述训练数据序列进行序列挖掘计算,获得所述挖掘序列特征集,包括:
根据所述训练数据序列确定多个训练数据子序列;
采用序列挖掘算法对所述多个训练数据子序列进行序列挖掘计算,将挖掘出的训练数据子序列确定为所述挖掘序列特征集中的元素。
6.根据权利要求5所述的方法,其特征在于,所述序列挖掘算法包括决策树算法和模式搜索树MBT算法中的至少一种。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述根据所述故障分类请求,基于故障分类模型和所述目标用户在至少一个所述预设周期内的运行特征值,确定所述目标用户在所述目标时刻之前所产生的故障的故障类型,包括:
根据所述目标时刻,获取所述目标时刻之前所述目标用户的在多个所述预设周期分别对应的所述运行特征值;
对多个所述运行特征值进行重构,获得重构后的重构特征值;
将所述重构特征值与所述故障分类模型进行特征匹配,确定所述目标用户在所述目标时刻之前所产生的故障的故障类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610867164.3/1.html,转载请声明来源钻瓜专利网。