[发明专利]一种网络故障预测方法及终端设备及存储介质

说明书

本发明提供了一种网络故障预测方法，包括如下步骤：S1.将网络故障数据进行预处理，所述网络故障数据包括故障类型、故障发生时间，转化为时间序列数据，每个时间序列表示当前时间段发生的所有故障类型；S2.构建基于门控多头注意力的神经网络模型，所述神经网络模型包括嵌入层、注意力记忆网络层、多头注意力层以及门控融合层，将所述时间序列数据输入所述基于门控多头注意力的神经网络模型，所述基于门控多头注意力的神经网络模型对网络故障数据中的故障进行预测。旨在解决传统的预测方法因故障的复杂性以及随机性，不能预测不同网络故障对其他故障的影响，从而不能对故障进行预测的问题，从而提供对网络故障进行精确预测的技术方案。

技术领域

本发明属于网络信息技术领域，尤其涉及一种网络故障预测方法及终端设备及存储介质。

背景技术

随着信息时代的到来，电子设备普及率的加速上升导致网络故障的频发，因此，网络故障的不断发生是各大运营商广泛关注的问题，这些网络故障包括服务中断、网络速率低以及网络噪声，但是，网络故障的复杂性以及随机性使得很难利用传统方法对网络故障做出有效预测。

网络故障管理是维护网络运行稳定性的重要技术，而网络故障预测是提高网络故障管理时效性、准确性的关键一环。大多数网络故障来源于网络设备长时间使用造成的网络设备老化，而老化的网络设备相关网络性能的不稳定，给网络平稳运行埋下了不少隐患。因此，如何快速、高效预测网络故障的发生并进行一定程度的预警就具有重大意义。

较为普遍的网络故障预测，常常是依赖于网络故障管理系统的实时监测：通过网络状态的故障实时进行监测，实现数据采集、数据分析、故障原因诊断，从而进行实时的故障预警。

但是目前网络故障预测存在如下二个难点：第一，无法有效、及时、预先地进行故障原因的判断，而仅仅能实现故障的预警；第二，对于故障预警和故障发生的原因之间的关系无法准确诠释。例如：某科技公司在某网络管理平台采集连续一个月内34类共22026条历史网络故障预警数据，排在前3位的网络故障预警为：时钟变换预警、输入光功率低预警、单板间通信失效预警。然而，排在第一位的时钟变换预警数据却无法利用，这是因为：时钟源的变换导致下游所有网络节点均上报该类故障预警，而基于统计算法的传统故障原因分析和人工经验判断，无法区分造成时钟源变换的实际的具体的节点故障原因；同时，也无法基于其他类型网络故障预警与时钟变换预警的相关性进行深入故障原因分析，使得网络故障原因的预测准确率偏低。

以上分析可知，现有技术缺少针对大量网络运行数据的高效分析，对网络故障原因的预判能力较低，因此，亟待智能化的新预测技术提高运维效率。

发明内容

一种网络故障预测方法，旨在解决传统的预测方法因网络故障的复杂性以及网络故障本身存在的随机性，基于不同网络故障对其他故障的影响，从而不能对故障进行预测的问题，同时实现可以预先判断网络即将发生故障的预警类型，最终提供一种能够对网络故障进行精确预测的技术方案。为了解决上述技术问题，本发明提供的技术方案如下：

一种网络故障预测方法，包括如下步骤：

S1.将网络故障数据进行预处理，所述网络故障数据包括故障类型、所述故障类型发生的时间戳，将所述网络故障数据转化为时间序列数据，每个时间序列数据表示当前时间段发生的所有故障类型；

S2.构建基于门控多头注意力的神经网络模型，所述神经网络模型包括嵌入层、注意力记忆网络层、多头注意力层以及门控融合层，将所述时间序列数据输入所述基于门控多头注意力的神经网络模型，所述基于门控多头注意力的神经网络模型对网络故障数据中的故障进行预测。

进一步的，S1具体包括：

将收集到的网络故障数据进行预处理，根据故障类型的时间戳，得到时间序列上的所有故障类型。

进一步的，S2具体包括：