[发明专利]通信网络故障定位方法及装置

权利要求书

1.一种通信网络故障定位方法，其特征在于，所述方法包括：

基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；

获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；

将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；

获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。

2.根据权利要求1所述的方法，其特征在于，基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，包括：

根据所述历史故障信息库，建立输入层、输出层以及至少一个隐藏层；

根据所述输入层、至少一个隐藏层以及输出层来建立所述告警状态信息与所述通信网络故障位置信息的关联。

3.根据权利要求2所述的方法，其特征在于，将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练，包括：

将所述第一告警状态信息形成输入向量，输入至所述输入层；

根据第一预设关系，由所述输入层获得至少一个隐藏层；

根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层；

将所述输出层作为预测故障位置；

根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系。

4.根据权利要求3所述的方法，其特征在于，所述根据第一预设关系，由所述输入层获得至少一个隐藏层，包括：

根据S＝W^TX+b,V＝f(S)，由输入层X获得至少一个隐藏层V；其中，W为所述输入层与所述隐藏层间的权重，b为所述输入层与所述隐藏层间的偏置值，S为隐藏层神经元初始状态向量，f为激活函数，V为隐藏层神经元实际状态向量。

5.根据权利要求3所述的方法，其特征在于，根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层，包括：

根据S＝W^TV+b,Y＝f(S)，由所述至少一个隐藏层V获得输出层其中，W为所述隐藏层与所述输出层间的权重，b为所述隐藏层与所述输出层间的偏置值，S为输出层神经元初始状态向量，f为激活函数，为输出层神经元实际状态向量。

6.根据权利要求5所述的方法，其特征在于，根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系，包括：

根据获得W,b的误差函数E(W,b)；

对E(W,b)关于W求偏导数，获得εΔW；

对E(W,b)关于b求偏导数，获得εΔb；

令W＝W-εΔW,b＝b-εΔb从而修正所述第一预设关系。

7.一种通信网络故障定位装置，其特征在于，所述装置包括：

模型构建模块，用于基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；

信息获取模块，用于获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；

模型训练模块，用于将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；

位置预测模块，用于获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。

8.根据权利要求7所述的装置，其特征在于，所述模型构建模块包括：

层建立子模块，用于根据所述历史故障信息库，建立输入层、输出层以及至少一个隐藏层；

关联建立子模块，用于根据所述输入层、至少一个隐藏层以及输出层来建立所述告警状态信息与所述通信网络故障位置信息的关联。