[发明专利]使用人工生命预报关键性能指示符的方法和设备

权利要求书

1.一种用于基于预测第一关键性能指示符KPI的值来控制通信网络的操作的方法，所述方法包括：

- 保持（102）多个机器学习过程，其中，个体机器学习过程基于数据模型和决策规则来操作，其中，所述多个机器学习过程基于多个不同的数据模型和多个不同的决策规则来操作；

- 接收（104）从所述通信网络的网络单元得到的关键性能指示符KPI的值的流；

- 由所述多个机器学习过程基于先前接收的KPI的值并且使用所述数据模型和决策规则来预测（106）所述第一KPI的多个将来值，其中，所述第一KPI的所述将来值涉及相同时间点；

- 将各个预测组合（108）成所述第一KPI的单个预测值；

- 如果所述第一KPI的单个预测值等于或超过第一阈值（110），则触发（112）网络管理操作。

2.如权利要求1所述的方法，其中，作为加权平均值来计算所述第一KPI的所述单个预测值（204），其中，个体预测的权重至少取决于所述个体预测的置信水平（202）。

3.如权利要求1或权利要求2所述的方法，还包括：确定所述第一KPI的所述单个预测值的置信水平（206）。

4.如权利要求3所述的方法，其中，所述第一KPI的所述单个预测值的所述置信水平（206）是落入了所述KPI的所述单个预测值附近的预定义范围之内的所述各个预测的置信水平的平均值。

5.如权利要求3所述的方法，其中，如果所述第一KPI的所述单个预测值的所述置信水平等于或超过第二阈值（208），则触发（112）所述网络管理操作。

6.如权利要求1-2中的任一项所述的方法，其中，各个机器学习过程中的每个具有指示所述个体机器学习过程的生存能力的参数，以及其中，周期性地执行预测以及将所述各个预测组合成所述第一KPI的所述单个预测值的操作，并且在每个周期中，所述方法包括：

- 取决于这些各个机器学习过程在前一周期中预测的准确度，增大指示这些各个机器学习过程的生存能力的所述参数的值；

- 对于每个个体机器学习过程，与在当前周期中执行预测操作所需要的能量成本对应地减小指示生存能力的所述参数的值。

7.如权利要求6所述的方法，其中，对于作出了最准确预测的所定义数量的各个机器学习过程，增大指示个体机器学习过程的生存能力的所述参数的值。

8.如权利要求6所述的方法，其中，对于预测了落入所述第一KPI的实际值附近的一定范围之内的所述第一KPI的值的各个机器学习过程，增大指示个体机器学习过程的生存能力的所述参数的值。

9.如权利要求1-2中的任一项所述的方法，其中，在预测（106）步骤中，在处理器上为所述多个机器学习过程中的每个分配时隙（508）以用于执行所述数据模型和决策规则，并且预测所述第一KPI的将来值。

10.如权利要求1-2中的任一项所述的方法，其中，在预测（106）步骤中，多个机器学习过程在处理器上并行地执行其数据模型和决策规则，并且预测所述第一KPI的所述多个将来值。