[发明专利]用于网络时间序列数据的自适应的基于异常检测的预测器

说明书

提供了用于网络数据的自适应的基于异常检测的预测器的系统和方法实施例。在一个实施例中，一种用于预测未来网络时间序列数据的值的网络组件中的计算机实现的方法，包括：用一个或更多个接收器接收网络时间序列数据；用一个或更多个处理器确定在所述网络时间序列数据中是否检测到异常；当在所述网络时间序列数据中没有检测到异常时，用所述一个或更多个处理器根据主预测器生成与所述网络数据相关联的预测；当检测到所述网络时间序列数据中的异常时，用所述一个或更多个处理器根据替代预测器来生成与所述网络数据相关联的所述预测；以及用一个或更多个发送器向网络控制器发送所述预测，其中所述网络控制器使用所述预测来调整网络参数。

相关申请的交叉引用

本申请要求获得于2016年3月22日提交的题为“用于网络时间序列数据的自适应的基于异常检测的预测器”的15/077,762号美国非临时专利申请的优先权，而其要求获得于2015年3月24日提交的62/137,669号美国临时申请的优先权，其全部内容于此通过引用并入本申请。

技术领域

本发明涉及网络管理，并且在特定实施例中涉及用于网络时间序列数据的自适应的基于异常检测的预测器。

背景技术

业务数据随时间变化。然而，这种随时间的变化常常具有潜在的模式，例如季节性，趋势，变量间相关性等。基于机器学习原理的算法能够进行强大的模式识别，并且因此是所期望的，因为它们可以自动揭示和利用历史数据内的结构以表征业务行为的性质，并在给定过去和当前的情况下预测未来的性能(KPI，业务等)。

为此，时间序列预测算法在历史数据方面被“训练”(参数优化)并被在线应用以在给定数据变量的当前和刚刚经过的过去(例如，在窗口中)值的情况下预测之后的值。预测的准确性非常重要，因为潜在的应用基于关键性能指标的未来预测值做出决策选择(例如，无线网络自优化或SON，例如，移动性负载平衡)。

发明内容

在一个示例实施例中，一种用于预测未来网络时间序列数据的值的网络组件中的计算机实现的方法包括：用一个或更多个接收器接收网络时间序列数据；用一个或更多个处理器确定在所述网络时间序列数据中是否检测到异常；当在所述网络时间序列数据中没有检测到异常时，用所述一个或更多个处理器根据主预测器生成与所述网络数据相关联的预测；当检测到所述网络时间序列数据中的异常时，用所述一个或更多个处理器根据替代预测器来生成与所述网络数据相关联的所述预测；以及用一个或更多个发送器向网络控制器发送所述预测，其中所述网络控制器使用所述预测来调整网络参数。

在一个示例实施例中，网络组件包括处理器和非暂时性计算机可读存储介质，其存储用于由所述处理器执行的程序，所述程序包括用于以下操作的指令：在所述网络组件处接收网络时间序列数据；用所述网络组件确定在所述网络时间序列数据中是否检测到异常；当在所述网络时间序列数据中没有检测到异常时，根据主预测器生成与所述网络数据相关联的预测；当检测到所述网络时间序列数据中的异常时，根据替代预测器来生成与所述网络数据相关联的所述预测；以及用所述网络组件向网络控制器发送所述预测，其中所述网络控制器使用所述预测来调整网络参数。

在一个示例实施例中，一种非暂时性计算机可读介质，存储用于预测未来网络时间序列数据的值的计算机指令，所述计算机指令在由一个或更多个处理器执行时使得所述一个或更多个处理器执行以下步骤：用训练数据训练自适应的基于异常检测的预测器；接收网络时间序列数据；根据在所述网络时间序列数据中是否检测到异常来确定是使用主预测器还是替代预测器；当在所述网络时间序列数据中没有检测到异常时，根据主预测器生成与所述网络数据相关联的预测；当检测到所述网络时间序列数据中的异常时，根据替代预测器来生成与所述网络数据相关联的所述预测；以及将所述预测发送到网络控制器，其中所述网络控制器使用所述预测来调整网络参数。

附图说明

为了更全面地理解本发明及其优点，现在结合附图参考以下描述，其中：