[发明专利]VoLTE网络故障预测方法及设备

权利要求书

1.一种VoLTE网络故障预测方法，其特征在于，包括：

采集长期演进语音承载VoLTE网络的运行数据，并从所述运行数据中提取多个指标数据；

分别采用单指标异常预测模型和多指标异常预测模型对所述多个指标数据进行处理，得到所述VoLTE网络的异常数据日志；

对所述异常数据日志进行聚类分析，预测得到所述VoLTE网络的故障信息；

所述分别采用单指标异常预测模型和多指标异常预测模型对所述多个指标数据进行处理，得到所述VoLTE网络的异常数据日志，包括：

将多个指标数据中的每个指标数据输入至所述单指标异常预测模型中，得到各指标对应的多个第一异常数据；

将多个指标数据输入至所述多指标异常预测模型中，得到多个指标数据对应的第二异常数据；

根据所述第一异常数据和所述第二异常数据，生成所述异常数据日志；

所述故障信息包括故障类型、故障建议和故障分布信息；

所述对所述异常数据日志进行聚类分析，预测得到所述VoLTE网络的故障类信息，包括：

对所述异常数据日志进行第一层聚类分析，将所述异常数据中占比最大的指标作为故障类型；

对所述异常数据日志进行第二层聚类分析，将所述异常数据中占比最大的故障原因码对应的建议作为故障建议；

对所述异常数据日志进行第三层聚类分析，将异常数据中故障类型对应的分布维度作为故障分布信息；

所述单指标异常预测模型为箱线算法模型；所述多指标异常预测模型为单类支撑向量机OCSVM算法模型和/或三次指数平滑算法模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据所述故障信息确定所述故障类型对应的故障场景；

根据所述故障场景查询对应的故障树确定所述故障信息对应的故障拓扑图；

根据所述故障拓扑图生成所述故障信息对应的可执行规则文件。

3.一种VoLTE网络故障预测装置，其特征在于，包括：

采集模块，用于采集长期演进语音承载VoLTE网络的运行数据，并从所述运行数据中提取多个指标数据；

处理模块，用于分别采用单指标异常预测模型和多指标异常预测模型对所述多个指标数据进行处理，得到所述VoLTE网络的异常数据日志；

所述处理模块，还用于对所述异常数据日志进行聚类分析，预测得到所述VoLTE网络的故障信息；

所述处理模块，具体用于将多个指标数据中的每个指标数据输入至所述单指标异常预测模型中，得到各指标对应的多个第一异常数据；将多个指标数据输入至所述多指标异常预测模型中，得到多个指标数据对应的第二异常数据；根据所述第一异常数据和所述第二异常数据，生成所述异常数据日志；

所述故障信息包括故障类型、故障建议和故障分布信息，所述处理模块，还用于对所述异常数据日志进行第一层聚类分析，将所述异常数据中占比最大的指标作为故障类型；对所述异常数据日志进行第二层聚类分析，将所述异常数据中占比最大的故障原因码对应的建议作为故障建议；对所述异常数据日志进行第三层聚类分析，将异常数据中故障类型对应的分布维度作为故障分布信息；

所述单指标异常预测模型为箱线算法模型；所述多指标异常预测模型为单类支撑向量机OCSVM算法模型和/或三次指数平滑算法模型。

4.根据权利要求3所述的装置，其特征在于，所述处理模块，还用于根据所述故障信息确定所述故障类型对应的故障场景；根据所述故障场景查询对应的故障树确定所述故障信息对应的故障拓扑图；根据所述故障拓扑图生成所述故障信息对应的可执行规则文件。

5.一种服务器，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至2任一项所述的VoLTE网络故障预测方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至2任一项所述的VoLTE网络故障预测方法。