[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

说明书

本发明实施例提供了多指标关联模型训练方法及多指标异常分析方法。该方法包括：获取无线网络小区的历史关键绩效指标KPI和无线网络小区的故障信息；确定历史KPI中的异常历史KPI与故障信息的关联关系信息；根据关联关系信息，确定多指标关联模型，多指标关联模型能够提高网络指标异常与无线网络小区故障的关联的分析效率，快速确定无线网络小区故障的原因。

技术领域

本发明涉及无线网络技术领域，尤其涉及一种多指标关联模型训练方 法及多指标异常分析方法。

背景技术

目前，运营商的无线网络质量监控和分析主要依赖于对关键绩效指标 (KeyPerformance Indicator，KPI)的阈值分析以及人工梳理大量数据的综合 分析，无线网络故障大多是由网络指标异常引起，而网络指标的异常通常 依靠人工经验统一设置阈值。但是，无线网络中包括大量的网络指标，仅 仅依靠人工经验统一设置阈值来分析海量数据，确定无线网络故障，工作 量大，效率低。

发明内容

本发明实施例提供了一种多指标关联模型训练方法及多指标异常分析 方法，能够解决目前网络指标异常与无线网络小区故障的关联的分析效率 低下。

第一方面，提供了一种多指标关联模型训练方法，该方法包括：

获取无线网络小区的历史关键绩效指标KPI和无线网络小区的故障信 息；

确定历史KPI中的异常历史KPI与故障信息的关联关系信息；

根据关联关系信息，确定多指标关联模型。

在一种可能的实现方式中，故障信息包括故障时间；确定历史KPI中 的异常历史KPI与故障信息的关联关系信息，包括：

对异常历史KPI进行聚类，得到指标聚类结果；

根据指标聚类结果，确定无线网络小区的指标模型；指标模型用于确 定每个异常历史KPI在不同时刻的异常度；

根据故障时间，对故障信息和每个异常历史KPI在不同时刻的异常度 进行皮尔森相关性分析，确定异常历史KPI与故障信息的关联关系信息。

第二方面，提供了一种多指标异常分析方法，该方法包括：

获取无线网络小区的多个实时KPI；

对每个实时KPI进行指标异常检测，得到异常实时KPI；

将异常实时KPI输入至多指标关联模型，确定异常实时KPI的关联检 测结果；

根据关联检测结果，确定无线网络小区的故障事件；

其中，多指标关联模型为权利要求1的方法确定的多指标关联模型。

在一种可能的实现方式中，该方法还包括：

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，删除被投诉网络故障的无线网络小区。

在一种可能的实现方式中，该方法还包括：

根据多个实时KPI的关联检测结果，调整多指标关联模型的参数。

第三方面，提供了一种多指标关联模型训练装置，该装置包括：

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

信息确定模块，用于确定历史KPI中的异常历史KPI与故障信息的关 联关系信息；

模型确定模块，用于根据关联关系信息，确定多指标关联模型。

在一种可能的实现方式中，故障信息包括故障时间；信息确定模块， 用于：