CN106452825A - 一种基于改进决策树的配用电通信网告警关联分析方法 - Google Patents

Abstract

本发明涉一种基于改进决策树的配用电通信网告警关联分析方法，属于计算机技术领域。该方法包括：一次决策树生成，根据一次决策树进行参数设定，根据参数生成二次决策树等步骤。本发明提供的基于改进决策树的配用电通信网告警关联分析方法，使用信息增益率代替信息增益作为分枝时属性的选择标准，信息增益率将过滤有关属性类别的信息，只考虑训练数据集按照某属性分裂后产生分支的数量和规模，从而有效解决了属性多值偏向性的问题。不同的属性对于分类有着不同的重要程度，引入参数α，通过生成的决策树确定参数值，并通过两次生成决策树提高重要属性的重要程度。通过二者结合的方法，弥补传统ID3算法的不足。

Description

一种基于改进决策树的配用电通信网告警关联分析方法

技术领域

本发明涉及一种基于改进决策树的配用电通信网告警关联分析方法，属于计算机技术领域。

背景技术

随着智能电网的快速发展，电力系统间的信息交互日趋频繁，配用电通信网将承载越来越多的控制、自动化等业务，呈现出多制式、结构复杂、设备数量众多、运行数据多元化的特点，导致配用电通信故障预警与态势分析变得更加困难。配用电通信网中的设备运行故障与告警相对应，在传统的通信网络中，是在个别故障案例发生时，对此设备发生故障时可能观察到的告警进行关系挖掘，由此得出反映物理网络及业务应用中所有可能的故障和告警及其之间的关联关系的故障分析方法。

由于这些关联关系仅通过经验模式获取，缺乏足够的科学依据，所得到的结论并不能普遍适用于配用电通信网中的故障预警与态势分析。因此，如何面向未来大数据环境下的运行态势展开配用电通信网故障和告警之间关系的深度挖掘，以明确配用电通信网运行的安全隐患，对配用电通信网的可靠运行具有重要的意义。然而，数据挖掘的方法有多种，每一种数据挖掘方法都有各自的特点和应用领域。目前，决策树是应用最广泛的数据挖掘方法之一，如何将决策树引入到配用电通信网告警关联分析过程，并有效控制此类算法的多值偏向性问题，成为技术研究难点。

为了解现有技术的发展状况，对已有的专利和文献进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：

专利方案1:200910236747一种数据挖掘系统中决策树的生成方法及装置

本发明公开了一种数据挖掘系统中决策树的生成方法及装置，主要技术方案包括：A、遍历设定数据集合，确定决策树当前层每个候选节点分别对应的未分类数据集；B、根据确定的未分类数据属性，确定每个候选节点分别对应的数据属性的属性值；C、根据确定的属性值，分别生成每个节点的决策树分支；D、分别判断每个决策树分支下节点对应的未分类数据集中的数据是否为预先确定的设定数据属性的同一属性值，将判断结果为否的节点确定为当前层的下一层的候选节点，并将下一层作为当前层返回步骤A，将判断结果为是的节点分别确定为其所在分支的最后一个节点。

专利方案2:201110111344一种层叠决策树构建方法

本发明涉及一种层叠决策树构建方法，包括以下步骤：1)计算非类别属性与类别属性的相关系数；2)取出相关系数小于阈值的属性，放入待选分层属性簇中；3)取出一个属性，按照其属性值拆分数据集；4)在数据子集中，重新计算各属性相关系数，根据各属性相关系数提升情况判断是否为真正的分层属性；5)重复第三步和第四步，得到真正的分层属性簇；6)在分层属性簇中，依据贡献度从大到小排序；7)依次取出分层属性，进行数据集的拆分，形成层级决策树；8)在数据子集中嵌套应用已有的挖掘方法，得到完整的层叠决策树。

专利方案3：201010181023基于概率粗糙集的决策树生成方法

一种基于概率粗糙集的决策树生成方法，步骤为：1)计算决策属性对于条件属性的依赖度；2)对数据进行相对属性约简，获取决策树节点集；3)通过决策树的节点集构造决策树，建立决策树的方式是，让依赖度最大的节点作为根节点，然后对于分支，重新计算剩余节点的依赖度信息，同时选择依赖度最大的节点。本发明最核心的思想就是首先通过相对约简消除没有用的属性，这样就可以得到用于生成决策树的节点。然后始终选择依赖度最大的节点来扩展生成树，最终就生成了我们需要的决策树。

上述专利方案1的缺陷：该方案利用了信息增益的思路，偏向选择属性取值较多的属性来进行信息决策，但是取值较多的属性在某些情况下未必最优，反而小数据量的属性在某些情况下更为重要。

上述专利方案2的缺陷；该方案对相关系数进行排序时，取出相关系数小于阈值的m个属性。在此，阈值是对相关系数的控制，设置太低可能丢失具有隐蔽性的条件属性，而设置太高则会将过多的非条件属性放入待选分层属性簇，影响决策方法的效率。因此，阈值的设定对方案的影响较大，人工主观设定阈值容易降低分类结果的准确度。

上述专利方案3的缺陷：该方案建立决策树的方式是让依赖度最大的节点作为根节点，然后对于分支重新计算剩余节点的依赖度信息，同时选择依赖度最大的节点。该方法重复计算，将增加计算复杂度，降低算法性能。

发明内容

本发明要解决技术问题是：克服上述技术的缺点。提供一种通过信息增益率建立决策树，利用决策树的分类确定参数值，并二次建立决策树的配用电通信网告警关联分析方法。

为了解决上述技术问题，本发明提出的技术方案是：一种基于改进决策树的配用电通信网告警关联分析方法，包括如下步骤：

S1、从告警数据库读入报警信息；

S2、计算报警信息的信息期望量和每个属性的信息熵；报警信息的集大小为m，集合S＝A₁*A₂*…*A_n是j维有穷向量空间，且每个向量空间又有子空间分别为j₁,j₂,…j_j维；设s₁,s₂,…s_r是向量空间S的子集，其大小分别为m₁，m₂，…m_r，且有m＝m₁+m₂+…+m_r；则信息期望量为： 以属性A_k为根所需要的信息熵为：

S3、集合S，有n个属性，属性偏向阈r取值为所有属性信息熵的平均值，即：

S4、以属性A_k为根的信息增益是：Gain(A_k)＝I(S,m)-E(I(A_k,m))；

S5、将每个属性的信息熵与属性偏向阈r进行比较，若比属性偏向阈r低，则通过信息增益率标准选择节点；若比属性偏向阈r高，则通过信息增益标准选择节点；其中，信息增益率的计算公式为

S6、循环执行步骤S2至S5，直至所有属性均选取完毕，生成一次决策树；

S7、引入重要度参数α，将以属性A_k为根所需要的信息熵的计算公式改为：

S8、将S7中的以属性A_k为根所需要的信息熵公式替换S2中的以属性A_k为根所需要的信息熵的计算公式，并重新循环执行S2至S5直至所有属性均选取完毕，生成二次决策树；所述二次决策树的叶节点即为判断结果；

S9、根据报警信息在二次决策树中的经历路径和叶节点，即可判断该报警信息是否为根原因。

上述方案进一步的改进在于：步骤S6中，若节点具有一次决策树的根结点属性，α取值为一次决策树的分类结果中"是"和"否"的比例；若节点不具有根结点的属性，α取值为0。

上述方案进一步的改进在于：步骤S9之后还包括：S10、根据根原因生产工单，指派人员进行维护。

本发明提供的基于改进决策树的配用电通信网告警关联分析方法，使用信息增益率代替信息增益作为分枝时属性的选择标准，信息增益率将过滤有关属性类别的信息，只考虑训练数据集按照某属性分裂后产生分支的数量和规模，从而有效解决了属性多值偏向性的问题。不同的属性对于分类有着不同的重要程度，引入参数α，通过生成的决策树确定参数值，并通过两次生成决策树提高重要属性的重要程度。通过二者结合的方法，弥补传统ID3算法的不足，提升了故障根原因分析的准确性，从而提高运维效率。

附图说明

下面结合附图对本发明作进一步说明。

图1是本发明实施例的一个优选的实施例中一次决策树示意图。

图2是本发明实施例的一个优选的实施例中二次决策树示意图。

具体实施方式

实施例

本实施例的基于改进决策树的配用电通信网告警关联分析方法，采用以表1为例的告警数据库进行说明。

编号	类型	持续时间	上报间隔	结果
					1	设备	长	短	是
2	设备	长	长	是
					3	业务	长	短	否
4	链路	长	短	否
					5	链路	中	短	否
6	链路	中	长	是
					7	业务	中	长	否
8	设备	长	短	是
					9	设备	中	短	否
10	链路	中	短	否
					11	设备	中	长	否
12	业务	长	长	否
					13	业务	中	短	否
14	链路	长	长	是

表1

步骤如下：

S1、根据读取到的如表1的报警数据；

S2、计算信息期望量和每个属性的信息熵；

集合S＝A₁*A₂*…*A_n是j维有穷向量空间，且每个向量空间又有子空间分别为j₁,j₂,…j_j维；设s₁，s₂，…s_r是向量空间S的子集，其大小分别为m₁，m₂，…m_r，且有m＝m₁+m₂+…+m_r；

报警信息的集大小为m＝14；则信息期望量为：-5/14log(5/14)-9/14log(9/14)＝0.94；

当类型为设备时，设备的信息熵是：-3/5log(3/5)-2/5log(2/5)＝0.971；同理可以计算类型属性取其他值时候的信息熵，例如：类型为业务时的信息熵为0；类型为链路时的信息熵为0.971等等，不再赘述；

由此，可以计算属性类型的信息熵是：

E(类型)＝5/14*0.971+4/14*0+5/14*0.971＝0.694；

同样的方法可以计算其他属性的信息熵是：

E(持续时间)＝0.789；E(上报间隔)＝0.892；

S3、集合S，有n个属性，n＝3；属性偏向阈r取值为所有属性信息熵的平均值，即： 由此可以计算得到r＝1/4*(0.694+0.911+0.789+0.892)＝0.821；

S4、以属性A_k为根的信息增益是：Gain(A_k)＝I(S,m)-E(I(A_k,m))；

由此可以计算得到Gain(类型)＝0.94–0.694＝0.246；Gain(持续时间)＝0.94-0.789＝0.151；Gain(上报间隔)＝0.94-0.892＝0.048；

S5、将每个属性的信息熵与属性偏向阈r进行比较，若比属性偏向阈r低，则通过信息增益率标准选择节点；若比属性偏向阈r高，则通过信息增益标准选择节点；其中，信息增益率的计算公式为

由以上可以得到，E(类型)<r，E(持续时间)<r，E(上报间隔)>r，因此，属性类型和持续时间使用信息增益率标准选取节点，上报间隔选择信息增益标准选取节点；并计算：

S6、根据以上计算，属性类型信息增益或信息增益率最大，选取类型属性，创建结点；并循环执行步骤S2至S5，直至所有属性均选取完毕，生成如图1所示的一次决策树；

S7、引入重要度参数α，将以属性A_k为根所需要的信息熵的计算公式改为： 根据一次决策树的根节点中“是”和“否”的比例，可以计算得到α＝5/14＝0.35；如果是非跟节点，则α＝0，这种情况下，改进公式等于原始公式；

S8、将S7中的信息熵公式替换S2中的信息熵的计算公式，并重新循环执行S2至S5直至所有属性均选取完毕，生成二次决策树；该计算过程与一次决策树一致，不再赘述，二次决策树如图2所示，其中叶节点即为判断结果；

S9、根据报警信息在二次决策树中的经历路径和叶节点，即可判断该报警信息是否为根原因；

如图2中，表1中的1,2,6,8和14的告警信息所经历路径均经过“是”的叶节点；表示该5条路径即为报警信息的根原因；

S10、根据S9中判断的根原因，生产工单，指派运维人员进行维修维护工作。

如图1和图2所示的差别可以看出，二次决策树相较于一次决策树，显然能够更准确的判定报警信息的根原因。

本发明不局限于上述实施例所述的具体技术方案，除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换形成的技术方案，均为本发明要求的保护范围。

Claims (3)

1.一种基于改进决策树的配用电通信网告警关联分析方法，其特征在于，包括如下步骤：

S1、从告警数据库读入报警信息；

S2、计算报警信息的信息期望量和每个属性的信息熵；报警信息的集大小为m，集合S＝A₁*A₂*…*A_n是j维有穷向量空间，且每个向量空间又有子空间分别为j₁,j₂,…j_j维；设s₁,s₂,…s_r是向量空间S的子集，其大小分别为m₁,m₂,…m_r，且有m＝m₁+m₂+…+m_r；则信息期望量为： 以属性A_k为根所需要的信息熵为：

S3、集合S，有n个属性，属性偏向阈r取值为所有属性信息熵的平均值，即：

S4、以属性A_k为根的信息增益是：Gain(A_k)＝I(S,m)-E(I(A_k,m))；

S5、将每个属性的信息熵与属性偏向阈r进行比较，若比属性偏向阈r低，则通过信息增益率标准选择节点；若比属性偏向阈r高，则通过信息增益标准选择节点；其中，信息增益率的计算公式为

S6、循环执行步骤S2至S5，直至所有属性均选取完毕，生成一次决策树；

S7、引入重要度参数a，将以属性A_k为根所需要的信息熵的计算公式改为：

S8、将S7中的以属性A_k为根所需要的信息熵公式替换S2中的以属性A_k为根所需要的信息熵的计算公式，并重新循环执行S2至S5直至所有属性均选取完毕，生成二次决策树；所述二次决策树的叶节点即为判断结果；

S9、根据报警信息在二次决策树中的经历路径和叶节点，即可判断该报警信息是否为根原因。

2.根据权利要求1所述的基于改进决策树的配用电通信网告警关联分析方法，其特征在于：步骤S6中，若节点具有一次决策树的根结点属性，α取值为一次决策树的分类结果中"是"和"否"的比例；若节点不具有根结点的属性，α取值为0。

3.根据权利要求1所述的基于改进决策树的配用电通信网告警关联分析方法，其特征在于，步骤S9之后还包括：S10、生产工单，指派人员进行维护。