[发明专利]一种基于边缘计算模型的小基站监控装置及方法

权利要求书

1.一种基于边缘计算模型的小基站监控装置，其特征在于：包括原始数据分类模块和机器学习模型，原始数据分类模块将小基站产生的数据进行分类并发送给机器学习模型，机器学习模型利用不同的模型对接收到的分类的数据进行分析，将分析结果上报给网管。

2.根据权利要求1所述的一种基于边缘计算模型的小基站监控装置，其特征在于：所述的原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。

3.根据权利要求1所述的一种基于边缘计算模型的小基站监控装置，其特征在于：所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；

数据缓存模块用于接收原始数据发送过来的分类后的数据，并将分类后的数据转发给自动告警关联及根因识别模型、话务量预测模型或用户离网预测模型；

自动告警关联及根因识别模型：接收告警数据，并对告警数据进行过滤、合并和根因判断，从告警数据中给出概率最高的故障判断，上报给网管；

话务量预测模型：接收控制面的数据，通过历史的控制面数据来推测业务量是否会有爆发现象，并上报给网管；

用户离网预测模型:接收用户面数据，从用户设备的使用情况判定用户是否正常离线，并上报给网管。

4.一种基于边缘计算模型的小基站监控方法，其特征在于：包括以下步骤：

步骤S1、小基站产生的数据发送到原始数据分类模块，原始数据分类模块把小基站产生的数据根据数据源和处理流程进行分类；

步骤S2、原始数据分类模块将分类后的数据发送给机器学习模型；

步骤S3、机器学习模型将分类后的数据采用不同的模型进行分析，并将分析结果上报给网管。

5.根据权利要求4所述的一种基于边缘计算模型的小基站监控方法，其特征在于：原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。

6.根据权利要求5所述的一种基于边缘计算模型的小基站监控方法，其特征在于：所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；

所述的数据缓存模块接收分类后的数据，将分类后的数据存储并转发给对应的自动告警关联及根因识别模型、话务量预测模型或用户离网预测模型；

所述的自动告警关联及根因识别模型分析告警数据，所述的话务量预测模型分析控制面的数据，所述的用户离网预测模型分析用户面的数据。

7.根据权利要求6所述的一种基于边缘计算模型的小基站监控方法，其特征在于：

生成自动告警关联及根因识别模型的步骤具体包括：

步骤S101、收集历史告警数据；

步骤S102、利用TF-IDF算法处理告警数据；

步骤S103、使用XGBoost算法或融合算法进行模型训练，生成自动告警关联及根因识别模型；

步骤S104、将自动告警关联及根因识别模型部署到边缘计算节点。

8.根据权利要求6所述的一种基于边缘计算模型的小基站监控方法，其特征在于：

生成话务量预测模型的步骤具体包括：

步骤S201、收集历史的控制面的数据；

步骤S202、对控制面的数据进行整理；

步骤S203、对每个特征数据进行归一化处理；

步骤S204、进行模型训，使用XGBoost算法和Ridge Regression岭回归算法生成话务量预测模型；

步骤S205、将话务量预测模型部署到边缘计算节点。