[发明专利]小区异常状态的检测方法及设备

权利要求书

1.一种小区异常状态的检测方法，其特征在于，包括：

获取预设时间段内采集到的第一小区的至少一个关键性能指标KPI参数组，所述KPI参数组包括在对应的采样时间点采集到的多个KPI参数的取值；

对所述第一小区的每个KPI参数组分别进行降维处理，生成所述第一小区的至少一个第一降维向量；

将所述至少一个第一降维向量输入至评估器，生成所述第一小区的异常状态的评估信息。

2.如权利要求1所述的方法，其特征在于，对所述第一小区的每个KPI参数组分别进行降维处理，包括：

将所述第一小区的每个KPI参数组分别输入至一预先训练好的自编码器，获得所述自编码器输出的第一降维向量。

3.如权利要求1所述的方法，其特征在于，

所述评估器用于对所述至少一个第一降维向量进行聚类处理，确定并输出所述至少一个第一降维向量所属的第一类别及其对应的标注信息，其中，所述第一类别是预先生成的多个类别中的一个，所述标注信息用于指示对应类别的小区异常状态。

4.如权利要求1至3任一项所述的方法，其特征在于，在获取所述第一小区的至少一个KPI参数组之前，所述方法还包括：

获取在多个采样时间点采集到的多个小区的多个KPI参数组，其中，每个KPI参数组包含同一小区在一个采样时间点采集到的所述多个KPI参数；

利用所述多个KPI参数组，训练一自编码器，直至达到预设的训练结束条件；其中，所述自编码器包括有一编码器和一解码器，所述编码器和解码器均包括有多层神经网络。

5.如权利要求4所述的方法，其特征在于，还包括：

获取将所述多个KPI参数组输入至训练好的所述自编码器后得到的多个降维向量；

对所述多个降维向量进行聚类处理，得到多个类别。

6.如权利要求5所述的方法，其特征在于，在得到多个类别之后，所述方法还包括：

针对每个类别，分别执行以下处理：

从所述多个KPI参数组中选择出归属于该类别的参数组，并利用所选择出的参数组训练一个分类器，并根据训练结果，计算所述参数组中的每个KPI参数的权重；

重复执行以下步骤，直至所述参数组中不存在任何KPI参数：从所述参数组中的剩余KPI参数中选择权重最大的目标KPI参数，加入至一参数集合，并将该目标KPI参数以及与该目标KPI参数的相关性大于预设门限的KPI参数从所述参数组中删除；

按照权重从大到小的顺序，从所述参数集合中选择出预设数量的KPI参数，作为该类别的KPI参数，并计算选择出的KPI参数在该类别中的统计特征相对于在所有样本中的统计特征的偏离度；

将该类别的KPI参数、权重以及偏离度，作为该类别的特征输出；

接收针对该类别所输入的标注信息，并建立标注信息与该类别的对应关系。

7.如权利要求6所述的方法，其特征在于，所述标注信息包括以下信息中的至少一种：小区异常程度的评价值、小区负荷程度的评价值、小区待优化程度的评价值和备注信息。

8.如权利要求5所述的方法，其特征在于，所述多个类别的数量为其中，N为所述多个KPI参数组的组数。

9.如权利要求3所述的方法，其特征在于，确定所述至少一个第一降维向量所属的第一类别及其对应的标注信息，包括：

对所述至少一个第一降维向量进行聚类处理，确定所述至少一个第一降维向量的第一中心点，计算所述第一中心点与各个类别的中心点之间的欧式距离，选择出最短欧式距离所对应的类别，作为所述至少一个第一降维向量所属的第一类别；

根据预先建立的标注信息与类别的对应关系，确定所述第一类别对应的标注信息。

10.如权利要求3所述的方法，其特征在于，在对所述至少一个第一降维向量进行聚类处理的步骤之前，所述方法还包括：

对所述至少一个第一降维向量进行异常值检测，去除其中的离群点，得到更新后的第一降维向量。