CN102891761B - 设备性能预测处理方法及装置 - Google Patents

设备性能预测处理方法及装置 Download PDF

Info

Publication number
CN102891761B
CN102891761B CN201110202055.7A CN201110202055A CN102891761B CN 102891761 B CN102891761 B CN 102891761B CN 201110202055 A CN201110202055 A CN 201110202055A CN 102891761 B CN102891761 B CN 102891761B
Authority
CN
China
Prior art keywords
performance
data
early warning
history
thresholding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110202055.7A
Other languages
English (en)
Other versions
CN102891761A (zh
Inventor
燕红锁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201110202055.7A priority Critical patent/CN102891761B/zh
Priority to PCT/CN2012/076112 priority patent/WO2013010404A1/zh
Publication of CN102891761A publication Critical patent/CN102891761A/zh
Application granted granted Critical
Publication of CN102891761B publication Critical patent/CN102891761B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种设备性能预测处理方法及装置，其方法包括：定时从设备上采集历史性能数据；对采集的历史性能数据进行筛选；根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。本发明在采集电信设备历史性能数据的基础上，通过对历史性能数据进行过滤，并采用典型的数据预测分析算法，分析计算出电信设备未来的性能趋势以及具体的性能预警和性能越限时间点，从而为电信设备的后续维护处理提供重要指导和参考，提高了电信设备性能预测的实时与高效性，进一步提高了网管效率。

Description

设备性能预测处理方法及装置
技术领域
本发明涉及电信网管技术领域，尤其涉及一种用于电信设备性能指标的预测分析处理的方法及装置。
背景技术
目前，电信设备的性能是运营商重点关注的管理指标，电信网管对电信设备性能未来趋势的分析与预测是网络管理的重要工作。如何清晰、准确的利用现有性能数据对电信设备的未来性能趋势进行预测，为电信设备的后续运营提供实用的指导信息，显得尤为重要。
现有的电信网管对于具体性能指标的性能预测，缺乏实用与高效的手段，无法为电信设备的后续维护处理提供重要指导和参考，从而降低了网管效率。
发明内容
本发明的主要目的在于提供一种设备性能预测处理方法及装置，旨在提高电信设备性能预测的实用与高效性以及网管效率。
为了达到上述目的，本发明提出一种设备性能预测处理方法，包括：
定时从设备上采集历史性能数据；
对采集的历史性能数据进行筛选；
根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
优选地，所述根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势的步骤包括：
采用多次曲线拟合插值算法对所述历史性能数据进行分析，计算曲线参数；
根据所述曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
优选地，所述采集的历史性能数据包括10～100个采样点。
优选地，所述对采集的历史性能数据进行筛选的步骤包括：
剔除采集的历史性数据中的性能预警及性能越限告警的数据。
优选地，所述对采集的历史性能数据进行筛选的步骤还包括：
从当前时间往前计数，直到计数值达到用户要求的个数；或者
从当前时间往前检测计数，直到检测点的性能值为性能预警或性能越限告警值。
优选地，所述曲线拟合插值算法至少包括以下之一：最小二乘法及拉格朗日曲线拟合算法。
优选地，该方法还包括：
通过列表及图形向用户展示设备的性能预测趋势。
优选地，所述定时从设备上采集历史性能数据的步骤之前还包括：
设置所述性能预警门限及性能越限门限。
本发明还提出一种设备性能预测处理装置，包括：
数据采集模块，用于定时从设备上采集历史性能数据；
数据筛选模块，用于对采集的历史性能数据进行筛选；
计算模块，用于根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
优选地，所述计算模块包括：
曲线参数计算单元，用于采用多次曲线拟合插值算法对所述历史性能数据进行分析，计算曲线参数；
告警时间计算单元，用于根据所述曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
优选地，该装置还包括：
预测结果展示模块，用于通过列表及图形向用户展示设备的性能预测趋势。
优选地，该装置还包括：
设置模块，用于设置所述性能预警门限及性能越限门限。
本发明提出的一种设备性能预测处理方法及装置，在采集电信设备历史性能数据的基础上，通过对历史性能数据进行过滤，并采用典型的数据预测分析算法，分析计算出电信设备未来的性能趋势以及具体的性能预警和性能越限时间点，从而为电信设备的后续维护处理提供重要指导和参考，提高了电信设备性能预测的实时与高效性，进一步提高了网管效率。
附图说明
图1是本发明设备性能预测处理方法一实施例流程示意图；
图2是本发明设备性能预测处理方法一实施例中设备性能预测趋势展现图；
图3是本发明设备性能预测处理方法一实施例中根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势的流程示意图；
图4是本发明设备性能预测处理方法另一实施例流程示意图；
图5是本发明设备性能预测处理装置一实施例结构示意图；
图6是本发明设备性能预测处理装置一实施例中计算模块的结构示意图；
图7是本发明设备性能预测处理装置另一实施例结构示意图。
为了使本发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。
具体实施方式
本发明实施例解决方案主要是：采集电信设备历史性能数据，对历史性能数据进行过滤，并采用典型的数据预测分析算法，分析计算出电信设备未来的性能趋势以及具体的性能预警和性能越限时间点，为电信设备的后续维护处理提供重要指导和参考，提高电信设备性能预测的实时与高效性。
如图1所示，本发明一实施例提出一种设备性能预测处理方法，包括：
步骤S101，定时从设备上采集历史性能数据；
为了对电信设备(以下简称设备)的性能进行实时的分析与预测，本实施例首先需要定时从设备上采集具体性能指标的历史性能数据。
具体地，根据当前电信设备的实际应用场景，可以采用15分钟或24小时性能粒度，定时从设备上采集历史性能数据，做为原始的采样点数据，即每隔15分钟或24小时采集一次数据，因此，该采样点数据为对应某一时间点的性能值。
为保证后续性能预测算法的准确性，应严格限制历史性能数据的采样点数量，必须保证采样点数量在10～100个采样点之间。
步骤S102，对采集的历史性能数据进行筛选；
在采集到设备的历史性能数据后，需要对采集的历史性能数据进行筛选，对不符合要求的采样点数据进行过滤，筛选过滤后的历史性能数据作为后续分析计算进行性能预测的基础数据。
其中，筛选的原则是：如果历史性能数据中有出现性能预警和性能越限告警的数据，则需要进行剔除。性能预警和性能越限告警的数据依据预先设定的性能预警门限及性能越限门限确定。
同时，对于采集的历史性能数据个数的筛选还可遵循以下原则：
对于采集的一系列历史性能数据，从当前时间往前计数，直到计数值达到用户要求的个数；或者从当前时间往前检测计数，直到检测点的性能值为性能预警或性能越限告警值。
步骤S103，根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
本步骤中，对筛选后的历史性能数据进行分析计算的过程为：采用多次曲线拟合插值算法进行分析，利用采集的历史性能数据的时间点和性能值，计算出拟合曲线的具体参数。之后，根据计算出的曲线参数，结合预先设定的性能指标的预警门限和越限门限，对性能预警门限、性能越限门限进行反向求解，计算出设备具体发生性能预警和性能越限的时间点，并可预测设备的未来性能趋势。
其中，曲线拟合插值算法可以采用现有的较为成为的算法，比如：最小二乘法及拉格朗日曲线拟合算法等。
若采用上述算法一直无法计算出设备具体的性能预警和性能越限的时间点，则计算结果为无期限，表明该设备的性能指标基本不会劣化。
如图2所示，图2是本发明设备性能预测处理方法一实施例中设备性能预测趋势展现图。
在图2中，横坐标为时间点，纵坐标为性能值，O点为原点，即当前时间。A点到O点之间的数据为历史性能数据。B点为预警门限出现的时间点，其对应的性能值为性能预警门限，B-C之间的曲线表示越限预警门限段，可以采用黄色显示；C点为性能越限出现的时间点，其对应的性能值为性能越限门限，C点之后的曲线表示性能越限门限段，可以采用红色显示。
如图3所示，步骤103包括：
步骤1031，采用多次曲线拟合插值算法对历史性能数据进行分析，计算曲线参数；
其中，曲线拟合插值算法可以采用最小二乘法或拉格朗日曲线拟合算法等。
步骤1032，根据曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
本实施例在采集电信设备历史性能数据的基础上，通过对历史性能数据进行过滤，并采用典型的数据预测分析算法，分析计算出电信设备未来的性能趋势以及具体的性能预警和性能越限时间点，从而为电信设备的后续维护处理提供重要指导和参考，提高了电信设备性能预测的实时与高效性，进一步提高了网管效率。
如图4所示，本发明另一实施例提出一种设备性能预测处理方法，在上述实施例的基础上，在步骤S101之前还包括：
步骤S100，设置性能预警门限及性能越限门限。
在步骤103之后还包括：
步骤S104，通过列表及图形向用户展示设备的性能预测趋势。
本实施例与上述实施例的区别在于，本实施例中需要设置性能预警门限及性能越限门限，并保存在本地。
同时，在通过多次曲线拟合插值算法对历史性能数据进行分析计算，得到设备的性能预测趋势的预测结果之后，将设备的性能预测趋势的预测结果通过列表及图形两种方式向用户进行展示。
首先将预测结果采用列表方式进行展示，若用户选择某行数据，可以通过“性能趋势”显示图形窗口，进一步查看特定性能指标的性能趋势情况。如图2所示，在性能趋势展示图中，横坐标为时间点信息，纵坐标为性能值，原点为当前时间及当前时间对应的性能值，原点之前的数据为历史性能数据采样点的性能值，原点之后的数据为预测的性能周期内的时刻性能值，超过性能预警门限的性能值的曲线以黄色表示，超过性能越限门限的性能值的曲线以红色表示，使得展示图的整体效果非常明显。
用户可以通过设备的性能预测趋势展示图中显示性能正常、性能预警、性能越限等不同区段，实时了解设备当前的性能状态，从而可以更好的对电信设备进行后续的维护处理，为网络运营提供实用的指导和建议，提高了网络运营的效率。
如图5所示，本发明一实施例提出一种设备性能预测处理装置，包括：数据采集模块501、数据筛选模块502以及计算模块503，其中：
数据采集模块501，用于定时从设备上采集历史性能数据；
数据筛选模块502，用于对采集的历史性能数据进行筛选；
计算模块503，用于根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
为了对电信设备(以下简称设备)的性能进行实时的分析与预测，本实施例首先通过数据采集模块501定时从设备上采集具体性能指标的历史性能数据。
具体地，根据当前电信设备的实际应用场景，可以采用15分钟或24小时性能粒度，定时从设备上采集历史性能数据，做为原始的采样点数据，即每隔15分钟或24小时采集一次数据，因此，该采样点数据为对应某一时间点的性能值。
为保证后续性能预测算法的准确性，应严格限制历史性能数据的采样点数量，必须保证采样点数量在10～100个采样点之间。
在采集到设备的历史性能数据后，通过数据筛选模块502对采集的历史性能数据进行筛选，对不符合要求的采样点数据进行过滤，筛选过滤后的历史性能数据作为后续分析计算进行性能预测的基础数据。
其中，筛选的原则是：如果历史性能数据中有出现性能预警和性能越限告警的数据，则需要进行剔除。性能预警和性能越限告警的数据依据预先设定的性能预警门限及性能越限门限确定。
同时，对于采集的历史性能数据个数的筛选还可遵循以下原则：
对于采集的一系列历史性能数据，从当前时间往前计数，直到计数值达到用户要求的个数；或者从当前时间往前检测计数，直到检测点的性能值为性能预警或性能越限告警值。
之后，通过计算模块503对筛选后的历史性能数据进行分析计算，其分析计算过程具体为：采用多次曲线拟合插值算法进行分析，利用采集的历史性能数据的时间点和性能值，计算出拟合曲线的具体参数。之后，根据计算出的曲线参数，结合预先设定的性能指标的预警门限和越限门限，对性能预警门限、性能越限门限进行反向求解，计算出设备具体发生性能预警和性能越限的时间点，并可预测设备的未来性能趋势。
其中，曲线拟合插值算法可以采用现有的较为成为的算法，比如：最小二乘法及拉格朗日曲线拟合算法等。
若采用上述算法一直无法计算出设备具体的性能预警和性能越限的时间点，则计算结果为无期限，表明该设备的性能指标基本不会劣化。
设备性能预测趋势通过曲线图展示如图2所示。
在图2中，横坐标为时间点，纵坐标为性能值，O点为原点，即当前时间。A点到O点之间的数据为历史性能数据。B点为预警门限出现的时间点，其对应的性能值为性能预警门限，B-C之间的曲线表示越限预警门限段，可以采用黄色显示；C点为性能越限出现的时间点，其对应的性能值为性能越限门限，C点之后的曲线表示性能越限门限段，可以采用红色显示。
如图6所示，计算模块503包括：曲线参数计算单元5031及告警时间计算单元5032，其中：
曲线参数计算单元5031，用于采用多次曲线拟合插值算法对历史性能数据进行分析，计算曲线参数；
告警时间计算单元5032，用于根据曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
如图7所示，本发明另一实施例提出一种设备性能预测处理装置，在上述实施例的基础上还包括：
设置模块500，用于设置性能预警门限及性能越限门限。
预测结果展示模块504，用于通过列表及图形向用户展示设备的性能预测趋势。
本实施例与上述实施例的区别在于，本实施例通过设置模块500设置性能预警门限及性能越限门限，并保存在本地。
同时，在通过多次曲线拟合插值算法对历史性能数据进行分析计算，得到设备的性能预测趋势的预测结果之后，通过预测结果展示模块504将设备的性能预测趋势的预测结果通过列表及图形两种方式向用户进行展示。
首先将预测结果采用列表方式进行展示，若用户选择某行数据，可以通过“性能趋势”显示图形窗口，进一步查看特定性能指标的性能趋势情况。如图2所示，在性能趋势展示图中，横坐标为时间点信息，纵坐标为性能值，原点为当前时间及当前时间对应的性能值，原点之前的数据为历史性能数据采样点的性能值，原点之后的数据为预测的性能周期内的时刻性能值，超过性能预警门限的性能值的曲线以黄色表示，超过性能越限门限的性能值的曲线以红色表示，使得展示图的整体效果非常明显。
用户可以通过设备的性能预测趋势展示图中显示性能正常、性能预警、性能越限等不同区段，实时了解设备当前的性能状态，从而可以更好的对电信设备进行后续的维护处理，为网络运营提供实用的指导和建议，提高了网络运营的效率。
本发明实施例设备性能预测处理方法及装置，在采集电信设备历史性能数据的基础上，通过对历史性能数据进行过滤，并采用典型的数据预测分析算法，分析计算出电信设备未来的性能趋势以及具体的性能预警和性能越限时间点，从而为电信设备的后续维护处理提供重要指导和参考，提高了电信设备性能预测的实时与高效性，进一步提高了网管效率。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种设备性能预测处理方法，其特征在于，包括：
定时从设备上采集历史性能数据；
对采集的历史性能数据进行筛选，剔除采集的历史性数据中的性能预警及性能越限告警的数据；
根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势；
所述对采集的历史性能数据进行筛选，剔除采集的历史性数据中的性能预警及性能越限告警的数据的步骤还包括：
从当前时间往前计数，直到计数值达到用户要求的个数；或者
从当前时间往前检测计数，直到检测点的性能值为性能预警或性能越限告警值。
2.根据权利要求1所述的方法，其特征在于，所述根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势的步骤包括：
采用多次曲线拟合插值算法对所述历史性能数据进行分析，计算曲线参数；
根据所述曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
3.根据权利要求1所述的方法，其特征在于，所述采集的历史性能数据包括10～100个采样点。
4.根据权利要求2所述的方法，其特征在于，所述曲线拟合插值算法至少包括以下之一：最小二乘法及拉格朗日曲线拟合算法。
5.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：
通过列表及图形向用户展示设备的性能预测趋势。
6.根据权利要求5所述的方法，其特征在于，所述定时从设备上采集历史性能数据的步骤之前还包括：
设置所述性能预警门限及性能越限门限。
7.一种设备性能预测处理装置，其特征在于，包括：
数据采集模块，用于定时从设备上采集历史性能数据；
数据筛选模块，用于对采集的历史性能数据进行筛选，并剔除采集的历史性数据中的性能预警及性能越限告警的数据；
计算模块，用于根据预设的性能预警门限及性能越限门限，对筛选后的历史性能数据进行分析计算，得到设备出现性能预警及越限的时间点，并预测设备的未来性能趋势；
所述数据筛选模块还用于，从当前时间往前计数，直到计数值达到用户要求的个数；或者
从当前时间往前检测计数，直到检测点的性能值为性能预警或性能越限告警值。
8.根据权利要求7所述的装置，其特征在于，所述计算模块包括：
曲线参数计算单元，用于采用多次曲线拟合插值算法对所述历史性能数据进行分析，计算曲线参数；
告警时间计算单元，用于根据所述曲线参数及预设的性能预警门限及性能越限门限，计算设备出现性能预警及越限的时间点，并预测设备的未来性能趋势。
9.根据权利要求7或8所述的装置，其特征在于，还包括：
预测结果展示模块，用于通过列表及图形向用户展示设备的性能预测趋势。
10.根据权利要求9所述的装置，其特征在于，还包括：
设置模块，用于设置所述性能预警门限及性能越限门限。
CN201110202055.7A 2011-07-18 2011-07-18 设备性能预测处理方法及装置 Active CN102891761B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201110202055.7A CN102891761B (zh) 2011-07-18 2011-07-18 设备性能预测处理方法及装置
PCT/CN2012/076112 WO2013010404A1 (zh) 2011-07-18 2012-05-25 设备性能预测处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110202055.7A CN102891761B (zh) 2011-07-18 2011-07-18 设备性能预测处理方法及装置

Publications (2)

Publication Number Publication Date
CN102891761A CN102891761A (zh) 2013-01-23
CN102891761B true CN102891761B (zh) 2017-08-11

Family

ID=47535137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110202055.7A Active CN102891761B (zh) 2011-07-18 2011-07-18 设备性能预测处理方法及装置

Country Status (2)

Country Link
CN (1) CN102891761B (zh)
WO (1) WO2013010404A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701637A (zh) * 2013-12-16 2014-04-02 国家电网公司 一种电力通信传输网运行趋势分析方法
CN105468885A (zh) * 2014-09-04 2016-04-06 秦皇岛中科百捷电子信息科技有限公司 一种能耗数据的可视化分析方法
CN104636874B (zh) * 2015-02-12 2019-04-16 北京嘀嘀无限科技发展有限公司 检测业务异常的方法及设备
CN105447758A (zh) * 2015-12-09 2016-03-30 上海银天下科技有限公司 预警值设置方法和装置
CN112203320B (zh) * 2019-07-08 2023-04-28 中国移动通信集团贵州有限公司 一种基于灰色模型预测目标网络参数的方法和装置
CN115103415B (zh) * 2022-07-14 2023-08-18 中国联合网络通信集团有限公司 基站算力调度方法、装置及存储介质
CN117035160A (zh) * 2023-07-07 2023-11-10 华能核能技术研究院有限公司 一种核电厂设备标定参数趋势分析预测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1498481A (zh) * 2002-01-03 2004-05-19 ���Ͽع����޹�˾ 基于网络获得数据的趋势分析管理承载网络的系统
CN102006613A (zh) * 2010-11-19 2011-04-06 暨南大学 一种移动核心网故障数据二重联合线性判别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617512A (zh) * 2004-11-25 2005-05-18 中国科学院计算技术研究所 一种自适应网络流量预测和异常报警方法
CN101170375A (zh) * 2007-11-30 2008-04-30 中兴通讯股份有限公司 用于sdh设备的性能管理方法及装置
CN101267362B (zh) * 2008-05-16 2010-11-17 亿阳信通股份有限公司 一种性能指标值正常波动范围的动态确定方法及其装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1498481A (zh) * 2002-01-03 2004-05-19 ���Ͽع����޹�˾ 基于网络获得数据的趋势分析管理承载网络的系统
CN102006613A (zh) * 2010-11-19 2011-04-06 暨南大学 一种移动核心网故障数据二重联合线性判别方法

Also Published As

Publication number Publication date
WO2013010404A1 (zh) 2013-01-24
CN102891761A (zh) 2013-01-23

Similar Documents

Publication Publication Date Title
CN102891761B (zh) 设备性能预测处理方法及装置
CN105630885B (zh) 一种用电异常检测方法及系统
CN103744389B (zh) 一种油气生产设备运行状态的预警方法
CN106353640A (zh) 一种配电线路故障定位方法、装置及系统
CN107798395A (zh) 一种电网事故信号自动诊断方法及系统
CN101726568A (zh) 一种水环境安全预警预测方法
CN102866313A (zh) 电力隧道电缆运行状态综合监控方法
CN102931728B (zh) 基于小波多分辨率分析的电网扰动在线辨识及可视化方法
CN106339667B (zh) 一种视频异常事件在线检测方法及装置
CN103198147A (zh) 自动化监测异常数据的判别及处理方法
CN104615122B (zh) 一种工控信号检测系统及检测方法
CN109993189A (zh) 一种网络故障预警方法、装置和介质
CN107404471A (zh) 一种基于admm算法网络流量异常检测方法
CN105989427B (zh) 一种基于数据挖掘的设备状态趋势分析和预警方法
CN106254137A (zh) 监管系统的告警根源分析系统及方法
CN110162445A (zh) 基于主机日志及性能指标的主机健康评价方法及装置
CN107257351A (zh) 一种基于灰色lof流量异常检测系统及其检测方法
CN106600447A (zh) 一种变电站巡检机器人集中监控系统大数据云分析方法
CN107517205A (zh) 基于概率的智能变电站网络异常流量检测模型构建方法
CN113205238A (zh) 一种面向电厂工控系统的态势感知防御能力评估方法
CN101551940A (zh) 城市快速道路交通状态判别与发布系统及其方法
CN108600965A (zh) 一种基于客人位置信息的客流数据预测方法
CN103400308A (zh) Gis设备运行状态在线检测方法与系统
CN106680574B (zh) 一种变电站设备过电压感知和数据处理方法
CN106209404A (zh) 网络异常流量分析方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant