[发明专利]一种程控交换机的过负荷预警方法

说明书

本发明涉及一种程控交换机的过负荷预警方法。

过负荷表现为，在一些特定的时间内，如农历年三十晚，自然或人为灾害发生时，有奖竞猜活动中等，由于试呼数剧烈增多，使交换机负荷(在一个给定时间间隔内，交换机上的试呼总数)迅速上升并超过极限。现有的交换机在这样的时间内接收了所有人呼，但是没有能力处理所有人呼，导致交换机处理能力下降，甚至瘫痪、崩溃。这不但影响了正常的通信活动和人们的生活，同时也给运营商带来巨大损失。

因此，即使在试呼数超过现有处理容量的情况下，交换机也必须继续处理特定的负荷，且处理的试呼数不能明显低于指定服务等级下交换机的工程容量(交换机提供的恰好满足所有服务等级需求的平均负荷)。

如图1所示，曲线A表示交换机在负荷超过工程容量时的吞吐量(单位时间内交换机成功处理的试呼数)急剧下降的情况；曲线B表示最大吞吐量，这时的吞吐量在过负荷时保持在正常的设计水平；曲线C表示在适当过负荷保护机制下的吞吐量性能。由此可见，过负荷控制的采用会对交换机容量产生显著影响，这时，过负荷吞吐量性能应该是指相应于过负荷控制实施时交换机的工程容量。

为了减少交换机上由于过负荷期间不能处理的呼叫所产生的负荷，需要用户减少进一步的呼叫。减少的方法不能显著增加交换机上的负荷。过负荷控制一旦被采用，应能随着负荷的下降被尽快撤去。

尽管已有过负荷控制能在一定程度上解决问题，然而，由于处理反应速度的有限性等原因，仅仅依靠现有的过负荷控制，无法解决问题。

本发明的目的是为了足够快响应过负荷，并在过负荷情况下维持适当的交换机吞吐量。

本发明，即一种程控交换机的过负荷预警方法是这样实现的，首先，用每个程控交换机结点的不同邻接交换机结点方向负荷的历史数据(时间序列)“训练”不同的人工神经网络，它包括以下内容：设有一批历史数据，取其数量远小于总数的前m个作为所采用的人工神经网络的输入，其输出与第m+1个数据进行比较，按梯度下降方向调整权值，用所有数据训练完网络；然后，程控交换机利用训练完的人工神经网络基于历史负荷数据和当前负荷值以一定时间间隔进行下一时刻的负荷值预测。若该值预示着将要出现过负荷情况，则将其作为告警信号输出。

上述的程控交换机的过负荷预警方法，利用了人工神经网络基于历史负荷数据(时间序列)和当前负荷值以一定时间间隔进行下一时刻的负荷值预测，来预先把握负荷趋势，做到“防患于未然”。

下面结合附图对本发明作说明。

图1是交换机在负荷超过工程容量时的吞吐量特性曲线图；

图2是本发明过负荷预警方法的过程图；

图3是递归神经网络结构图。

由图2所示，本发明，即一种程控交换机的过负荷预警方法是这样实现的，首先，用每个程控交换机结点的不同邻接交换机结点方向负荷的历史数据(时间序列)“训练”不同的人工神经网络，它包括以下内容：设有一批历史数据，取其数量远小于总数的前m个作为所采用的人工神经网络的输入，其输出与第m+1个数据进行比较，按梯度下降方向调整权值，用所有数据训练完网络；然后，程控交换机利用训练完的人工神经网络基于历史负荷数据和当前负荷值以一定时间间隔进行下一时刻的负荷值预测。若该值预示着将要出现过负荷情况，则将其作为告警信号输出。

人工神经网络的训练含以下内容。

人工神经网络训练用的时间序列为每天若干特征点：忙时三个，闲时三个。因而，人工神经网络输入神经元个数为6个，输出神经元个数为1个，隐层神经元个数因而选3个。关键问题是人工神经网络参数的选择和结构的调整。

在并行分布式处理模型中，对序列化输入的处理有若干方法，其中最常用的是企图通过给出一个空间表达来“并行化时间”。更好的方法是隐式而不是显式地表达时间。即通过对处理的影响而不是作为输入的附加维来表达时间(通过将模式的串行阶数和模式矢量的维数关联起来来显式表达时间。这有几个不足。首先，需要一个与外界的接口，它缓冲输入；其次，移位寄存器对模式的持续有严格的限制；第三，它自己不容易从绝对的时间位置中区分出相对的时间位置。

一种不同的可能性是：允许时间由对处理的作用来表达。这意味着给系统以对时间顺序(temporal sequence)响应的动态特性。

对于网络而言，可通过增加“递归连接”来实现这一想法，从而顺序行为可保留前一响应，可将其称作“上下文单元”，它同样是“隐层单元”。这就是递归神经网络，它有较好的动态性能。递归神经网络结构示意如图2。