[发明专利]多指标关联模型训练方法及多指标异常分析方法

权利要求书

1.一种多指标关联模型训练方法，其特征在于，所述方法包括：

获取无线网络小区的历史关键绩效指标KPI和所述无线网络小区的故障信息；

确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息；

根据所述关联关系信息，确定多指标关联模型。

2.根据权利要求1所述的方法，其特征在于，所述故障信息包括故障时间；所述确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息，包括：

对所述异常历史KPI进行聚类，得到指标聚类结果；

根据所述指标聚类结果，确定所述无线网络小区的指标模型；所述指标模型用于确定每个所述异常历史KPI在不同时刻的异常度；

根据所述故障时间，对所述故障信息和每个所述异常历史KPI在不同时刻的异常度进行皮尔森相关性分析，确定所述异常历史KPI与所述故障信息的关联关系信息。

3.一种多指标异常分析方法，其特征在于，所述方法包括：

获取无线网络小区的多个实时KPI；

对每个所述实时KPI进行指标异常检测，得到异常实时KPI；

将所述异常实时KPI输入至多指标关联模型，确定所述异常实时KPI的关联检测结果；

根据所述关联检测结果，确定所述无线网络小区的故障事件；

其中，所述多指标关联模型为权利要求1所述的方法确定的所述多指标关联模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

当检测到具有故障事件的无线网络小区被投诉该无线网络小区网络故障时，删除所述被投诉网络故障的无线网络小区。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述关联检测结果，调整多指标关联模型的参数。

6.一种多指标关联模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取无线网络小区的历史关键绩效指标KPI和所述无线网络小区的故障信息；

信息确定模块，用于确定所述历史KPI中的异常历史KPI与所述故障信息的关联关系信息；

模型确定模块，用于根据所述关联关系信息，确定多指标关联模型。

7.根据权利要求6所述的装置，其特征在于，所述故障信息包括故障时间；所述信息确定模块，用于：

对所述异常历史KPI进行聚类，得到指标聚类结果；

根据所述指标聚类结果，确定所述无线网络小区的指标模型；所述指标模型用于确定每个所述异常历史KPI在不同时刻的异常度；

根据所述故障时间，对所述故障信息和每个所述异常历史KPI在不同时刻的异常度进行皮尔森相关性分析，确定所述异常历史KPI与所述故障信息的关联关系信息。

8.一种多指标异常分析装置，其特征在于，所述装置包括：

获取模块，用于获取无线网络小区的多个实时KPI；

检测模块，用于对每个所述实时KPI进行指标异常检测，得到异常实时KPI；

结果确定模块，用于将所述异常实时KPI输入至多指标关联模型，确定所述异常实时KPI的关联检测结果；

事件确定模块，用于根据所述关联检测结果，确定所述无线网络小区的故障事件；

其中，所述多指标关联模型为权利要求1所述的方法确定的所述多指标关联模型。

9.一种设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-2、权利要求3-6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-2、权利要求3-6中任一项所述的方法。