[发明专利]一种基于深度学习的网络告警预测模型建立方法及装置

权利要求书

1.一种基于深度学习的网络告警预测模型建立方法，其特征在于，所述方法包括：

获取不同通信网络设备上的样本告警数据集以及所述通信网络设备之间的拓扑关系；所述样本告警数据集包括告警设备标识；

根据所述告警设备标识将所述样本告警数据集中的告警数据确定多个告警序列；

并根据每个告警序列中的告警时间间隔将其分割为多个子告警序列；

根据所述多个子告警序列及所述拓扑关系训练初始网络告警预测模型，以获取训练好的网络告警预测模型；

所述根据所述多个子告警序列及所述拓扑关系训练初始网络告警预测模型，以获取训练好的网络告警预测模型的步骤，包括：

将每个通信网络设备分别作为当前采样节点；

根据所述拓扑关系确定所述当前采样节点的父节点的告警序列和所有子节点的告警集合；

对所述当前采样节点对应的子告警序列随机设置采样时间点；

采集所述采样时间点之前第一预设时间段内所述当前采样节点的告警序列、所述当前采样节点的父节点的告警序列以及所述当前采样节点的子节点告警集合作为输入数据；

采集所述采样时间点之后第二预设时间段内所述当前采样节点的告警序列作为输出数据；

利用所述输入数据及所述输出数据训练所述初始网络告警预测模型，以获取训练好的网络告警预测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个子告警序列及所述拓扑关系训练初始网络告警预测模型，以获取训练好的网络告警预测模型的步骤之后，所述方法还包括：

获取各个通信网络设备上的实时告警信息；

将所述实时告警信息输入至所述训练好的网络告警预测模型，以得到所述训练好的网络告警预测模型输出的告警预测信息；其中所述告警预测信息包括未来预设时间段内的所有告警数据。

3.根据权利要求1所述的方法，其特征在于，所述利用所述输入数据及所述输出数据训练所述初始网络告警预测模型，以获取训练好的网络告警预测模型的步骤，包括：

将所述采样时间之前第一预设时间段内所述当前采样节点的告警序列及所述当前采样节点的父节点的告警序列拼接得到合成告警序列；

将所述合成告警序列及其采样时间之前第一预设时间段前的相邻采样节点对应的记忆参数输入至长短期记忆模型中，以得到学习特征；

根据所述当前采样节点的子节点告警集合计算特征向量；

将所述学习特征以及所述特征向量拼接后作为所述初始网络告警预测模型的连接层的输入数据，以训练得到基于深度序列预测的网络告警预测模型。