CN110912775B - 物联网企业网络故障的监控方法及装置 - Google Patents

物联网企业网络故障的监控方法及装置 Download PDF

Info

Publication number
CN110912775B
CN110912775B CN201911171998.0A CN201911171998A CN110912775B CN 110912775 B CN110912775 B CN 110912775B CN 201911171998 A CN201911171998 A CN 201911171998A CN 110912775 B CN110912775 B CN 110912775B
Authority
CN
China
Prior art keywords
period
internet
things
predicted
terminals
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
CN201911171998.0A
Other languages
English (en)
Other versions
CN110912775A (zh
Inventor
于欢龙
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.)
Zhongying Youchuang Information Technology Co Ltd
Original Assignee
Zhongying Youchuang Information Technology Co Ltd
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 Zhongying Youchuang Information Technology Co Ltd filed Critical Zhongying Youchuang Information Technology Co Ltd
Priority to CN201911171998.0A priority Critical patent/CN110912775B/zh
Publication of CN110912775A publication Critical patent/CN110912775A/zh
Application granted granted Critical
Publication of CN110912775B publication Critical patent/CN110912775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • 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
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • H04L43/06—Generation of reports
    • H04L43/067—Generation of reports using time frame reporting

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供了一种物联网企业网络故障的监控方法及装置，其中，该方法包括：获取待预测周期内物联网企业网络的在线终端数量实际值；根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果。上述技术方案实现了基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，快速地进行网络故障定位并及时排查，从而提升了用户的满意度。

Description

物联网企业网络故障的监控方法及装置
技术领域
本发明涉及网络监测技术领域，特别涉及一种物联网企业网络故障的监控方法及装置。
背景技术
物联网企业目前是集中签约，但是终端使用时是集中在省内或者全国各省、各地市都有分布，导致运营商在监控网络故障例如MME故障、PGW故障或者区域网络故障无法及时定位影响的企业范围，目前出现以上情况时，运营商只能被动接收企业主动报障，而报障由于流程和处理人员的时效性导致感知的故障的周期变长、用户满意度下降。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种物联网企业网络故障的监控方法，用以基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，该方法包括：
获取待预测周期内物联网企业网络的在线终端数量实际值；
根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果。
本发明实施例还提供了一种物联网企业网络故障的监控装置，用以基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，该装置包括：
获取单元，用于获取待预测周期内物联网企业网络的在线终端数量实际值；
预测单元，用于根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
监测单元，用于根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述物联网企业网络故障的监控方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述物联网企业网络故障的监控方法的计算机程序。
与现有技术中被动地接收企业的主动报障，时效性差导致感知网络故障周期变长，从而导致用户满意度下降的方案相比较，本发明实施例提供的技术方案通过：首先，获取待预测周期内物联网企业网络的在线终端数量实际值；其次，根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；接着，根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果，实现了基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，快速地进行网络故障定位并及时排查，从而提升了用户的满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中物联网企业网络故障的监控方法的流程示意图；
图2是本发明实施例中物联网企业网络故障的监控的原理示意图；
图3是本发明实施例中物联网企业网络故障的监控装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于发明人发现背景技术的技术问题，因此提出一种基于在线数的物联网企业实时预警监控方法，该方案可以高效且准确的感知企业实时终端在线故障，当企业终端出现签约异常(例如异常停机)、省或者核心网网络故障(例如业务网关故障)、基站故障时，终端会存在批量下线的情况可以实时感知。通知企业客户、并及时发现故障进行排查。具体地，该方案结合物联网实时在线库分析企业在区域位置信息包括全国、省份、地市的终端在线数量，通过结合时间序列算法预测下一个周期(待预测周期)的企业在线终端数量，如果企业在线数存在突增或者突降生成初步告警(原始预警信息)。在结合终端异常下线对预警进行过滤，保证预警准确率。下面对该物联网企业网络故障的监控方案进行详细介绍如下。
图1是本发明实施例中物联网企业网络故障的监控方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤101：获取待预测周期内物联网企业网络的在线终端数量实际值；
步骤102：根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
步骤103：根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果。
与现有技术中被动地接收企业的主动报障，时效性差导致感知网络故障周期变长，从而导致用户满意度下降的方案相比较，本发明实施例提供的物联网企业网络故障的监控方法实现了基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，快速地进行网络故障定位并及时排查，从而提升了用户的满意度。
下面结合图2，对本发明实施例涉及的各个步骤进行详细介绍如下。
一、首先，介绍预先建立网络故障预测模型的步骤。
具体实施时，首先，获取建立模型的参数，建模的数据参数可以包括：周期时间、在线数、异常下线数，具体地，可以通过物联网在线库统计4G、NB、3G网络的5分钟粒度的企业全国、省、地市终端的量的分布，存储6个月内企业区域上下线的数据。接着，将企业在线终端数、下线数和异常下线数进行入库(可以是5分钟粒度的线终端数、下线数和异常下线数，提高了监控的精度，提高预警的准确率)，通过ARIMA算法分析学习企业在各区域位置的线终端数量，通过对周期时间和在线终端数量等数据建模，模型可以是时间序列ARIMA模型(也可以称为时间周期模型)，还可以是神经网络模型。
二、接着，介绍上述步骤101。
具体实施时，获取待预测周期内物联网企业网络的在线终端数量实际值可以是5分钟粒度周期的在线终端数、下线数和异常下线数，从而可以提高了监控的实时性和精度，提高预警准确率。
三、接着，介绍上述步骤102。
在一个实施例中，根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值，可以包括：
根据待预测周期的周期时间数据，以及预先建立的时间序列ARIMA模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述时间序列ARIMA模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量，通过时间序列ARIMA算法预先建立。
具体实施时，基于时间序列ARIMA算法，根据分钟粒度周期数据建立的时间序列ARIMA模型，提高了网络故障预测的精度。
四、接着，介绍上述步骤103。
具体实施时，通过建立好的时间序列ARIMA模型进行实际预测时，时间序列ARIMA模型的输入可以是待预测周期的周期时间数据，例如12:05-12:10，将该周期时间数据输入时间序列ARIMA模型，时间序列ARIMA模型中有预设时间段内该周期时间数据对应的在线终端数，例如前15天的每一天的该周期时间12:05-12:10在线终端数，根据模型中的历史数据预测得到的结果是：在线终端数量100。
具体实施时，监测结果可以是网络出现了故障，进而可以进行预警，也可以是网络正常的预测结果。
具体实施时，在比较结果为突增或突降时，得到待预测周期内物联网企业网络故障的监测结果为网络出现了故障。突增：区域终端数量实际值大于预测值的10％(第一数值)、30％(第二数值)、50％(第三数值)，按照幅度生成预警等级，例如在区域终端数量实际值大于预测值的第一数值时，设置为第一预警等级，在区域终端数量实际值大于预测值的第二数值时，设置为第二预警等级，在区域终端数量实际值大于预测值的第三数值时，设置为第三预警等级；突降：区域终端数量小于预测值的10％(第一数值)、30％(第二数值)、50％(第三数值)，按照幅度生成预警等级，参照突增的情况。生成不同的预警等级的方案，便于运维处理人员根据不同情况进行及时合理的规划处理，提高了用户的满意度。
具体实施时，在预测待预测周期内物联网企业网络的在线终端数量预测值之前，如果待预测周期的前一周期的监测结果为出现故障，将待预测周期的前一周期的预警数据剔除之后，再进行预测得到所述预测值，防止异常数据扰乱预测结果，提高了预测的准确性。
五、接着，介绍在上述步骤103之后进一步提高预警精度的步骤。
在一个实施例中，如图2所示，上述物联网企业网络故障的监控方法还可以包括：
在监测结果为出现网络故障时生成原始预警信息；
获取待预测周期内物联网企业网络的异常下线终端数量；
根据所述异常下线终端数量，对所述原始预警信息进行过滤，得到待预测周期内物联网企业网络故障的最终预警信息。
具体实施时，监测结果为出现网络故障的原始预警信息，参见图2中的“原始预警”，为了进一步提高预警精度，根据异常下线终端数量，对原始预警信息进行过滤，参见图2中的“预警过滤”，突降预警判断是否为用户请求下线，若为用户请求下线则删除预警，即由于企业终端下线原因可能是企业平台侧触发的主动下线，此类预警应进行过滤。通过分析区域下线原因，对于用户主动下线导致的预警进行剔除，保证预警准确率。
六、接着，介绍方便运维人员进行群故障判断的步骤。
在一个实施例中，如图2所示，上述物联网企业网络故障的监控方法还可以包括：
获取预设区域内多个物联网企业网络的监测结果；
在监测结果为出现网络故障的企业数量在预设时间段内大于预设值时，确定所述预设区域发生群故障；
在确定所述预设区域发生群故障时，进行预警合并处理，升级预警等级。
具体实施时，统计区域内的预警数据，例如如果南京周期内的企业预警数量从0突增为20个，则判断区域群障，参见图2中的“群障判断”。进行预警合并，并升级预警等级，预警合并是指将区域相同的预警的信息合并为一个总预警，该方案的实施方便运维人员进行网络故障处理。
下面再举一例，以便于理解本发明如何实施。
通过上述可知，本发明实施例的方案是：基于物联网企业在线库分钟级统计企业分本地网的实时在线数、下线数和异常下线数，对数据进行存储分析，并基于时间序列算法armia学习预测下一周期(待预测周期)在线数量，根据预测结果判断是否在终端在线数的突增和突降，若存在则产生预警(告警)。
下面以4G企业预警流程为例，描述具体步骤如下：
步骤S100：统计物联网签约企业的本地网(例如南京)5分钟粒度的在线终端数量。
步骤S101：统计物联网签约企业的本地网(例如南京)5分钟粒度的下线终端数量和异常下线终端数量。
步骤S102：将企业在线终端数、下线数和异常下线数进行入库，并根据本地网归属的省份和企业名称，对企业总体和分省数据进行汇总计算。汇总计算可以包括：按照分地市信息，例如南京、苏州、徐州等地市统计江苏省的数据。
步骤S103：通过ARIMA算法对数据建模，建模的数据参数包括：周期时间、在线数、异常下线数，模型可以是时间序列ARIMA模型。通过建立的时间序列ARIMA模型，分析预测下一周期(待预测周期)的企业区域终端在线数量，分析时需要对之前预警的时间周期进行剔除(例如某一天的12点到15点存在故障，次周期内所有的数据不作为预警分析数据)，防止异常数据扰乱预测结果，提高预警准确率。
步骤S104：根据预测结果(预测值)对终端在线数据进行预警判断。
突增：区域终端数量大于预测值10％、30％、50％，按照幅度生成预警等级；
突降：区域终端数量小于预测值10％、30％、50％，按照幅度生成预警等级。
步骤S105：预警过滤，突降预警判断是否为用户请求下线，若为用户请求下线则删除预警。
步骤S106：群障判断，统计区域内的预警数据，例如如果南京周期内的企业预警数量从0突增为20个，则判断区域群障。进行预警合并，并升级预警等级。例如，根据实际值和预测值，判断有20个企业出现了问题，即需要给20个企业发送预警信息了，证明整个区域的群网出现了问题，升级预警等级，引起运维人员重视，加快处理进度。
综上，本发明实施例提供的技术方案实现了：
1)分钟粒度生成企业预警，实时性较高。
2)可对企业进行全国、分省、分地市的预警感知。
3)可对物联网所有签约企业进行预警，不只是TOPN的企业。
4)可进行群障判断，进行告警升级。
基于同一发明构思，本发明实施例中还提供了一种物联网企业网络故障的监控装置，如下面的实施例所述。由于物联网企业网络故障的监控装置解决问题的原理与物联网企业网络故障的监控方法相似，因此物联网企业网络故障的监控装置的实施可以参见物联网企业网络故障的监控方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是本发明实施例中物联网企业网络故障的监控装置的结构示意图，如图3所述，该装置包括：
获取单元01，用于获取待预测周期内物联网企业网络的在线终端数量实际值；
预测单元02，用于根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
监测单元03，用于根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果。
在一个实施例中，上述物联网企业网络故障的监控装置还可以包括：
原始预警生成单元，用于在监测结果为出现网络故障时生成原始预警信息；
所述获取单元还可以用于：获取待预测周期内物联网企业网络的异常下线终端数量；
所述物联网企业网络故障的监控装置还可以包括：过滤单元，用于根据所述异常下线终端数量，对所述原始预警信息进行过滤，得到待预测周期内物联网企业网络故障的最终预警信息。
在一个实施例中，所述获取单元还可以用于：获取预设区域内多个物联网企业网络的监测结果；
所述物联网企业网络故障的监控装置还可以包括：
群故障判断单元，用于在监测结果为出现网络故障的企业数量在预设时间段内大于预设值时，确定所述预设区域发生群故障；
预警处理单元，用于在确定所述预设区域发生群故障时，进行预警合并处理，升级预警等级。
在一个实施例中，所述预测单元具体可以用于：根据待预测周期的周期时间数据，以及预先建立的时间序列ARIMA模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述时间序列ARIMA模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量，通过时间序列ARIMA算法预先建立。
在一个实施例中，所述周期可以为分钟粒度周期。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述物联网企业网络故障的监控方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述物联网企业网络故障的监控方法的计算机程序。
本发明实施例提供的技术方案的有益技术效果是：实现了基于在线数对所有签约的物联网企业网络进高效实时地行故障监控，快速地进行网络故障定位并及时排查，从而提升了用户的满意度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种物联网企业网络故障的监控方法，其特征在于，包括：
获取待预测周期内物联网企业网络的在线终端数量实际值；
根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果；
根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值，包括：根据待预测周期的周期时间数据，以及预先建立的时间序列ARIMA模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述时间序列ARIMA模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量，通过时间序列ARIMA算法预先建立。
2.如权利要求1所述的物联网企业网络故障的监控方法，其特征在于，还包括：
在监测结果为出现网络故障时生成原始预警信息；
获取待预测周期内物联网企业网络的异常下线终端数量；
根据所述异常下线终端数量，对所述原始预警信息进行过滤，得到待预测周期内物联网企业网络故障的最终预警信息。
3.如权利要求1所述的物联网企业网络故障的监控方法，其特征在于，还包括：
获取预设区域内多个物联网企业网络的监测结果；
在监测结果为出现网络故障的企业数量在预设时间段内大于预设值时，确定所述预设区域发生群故障；
在确定所述预设区域发生群故障时，进行预警合并处理，升级预警等级。
4.如权利要求1所述的物联网企业网络故障的监控方法，其特征在于，所述周期为分钟粒度周期。
5.一种物联网企业网络故障的监控装置，其特征在于，包括：
获取单元，用于获取待预测周期内物联网企业网络的在线终端数量实际值；
预测单元，用于根据待预测周期的周期时间数据，以及预先建立的网络故障预测模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述网络故障预测模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量预先建立；
监测单元，用于根据所述在线终端数量实际值与在线终端数量预测值的比较结果，得到待预测周期内物联网企业网络故障的监测结果；
所述预测单元具体用于：根据待预测周期的周期时间数据，以及预先建立的时间序列ARIMA模型，预测待预测周期内物联网企业网络的在线终端数量预测值；所述时间序列ARIMA模型根据历史多个周期内的周期时间数据、在线终端数量和异常下线终端数量，通过时间序列ARIMA算法预先建立。
6.如权利要求5所述的物联网企业网络故障的监控装置，其特征在于，还包括：原始预警生成单元，用于在监测结果为出现网络故障时生成原始预警信息；
所述获取单元还用于：获取待预测周期内物联网企业网络的异常下线终端数量；
所述物联网企业网络故障的监控装置还包括：过滤单元，用于根据所述异常下线终端数量，对所述原始预警信息进行过滤，得到待预测周期内物联网企业网络故障的最终预警信息。
7.如权利要求5所述的物联网企业网络故障的监控装置，其特征在于，所述获取单元还用于：获取预设区域内多个物联网企业网络的监测结果；
所述物联网企业网络故障的监控装置还包括：
群故障判断单元，用于在监测结果为出现网络故障的企业数量在预设时间段内大于预设值时，确定所述预设区域发生群故障；
预警处理单元，用于在确定所述预设区域发生群故障时，进行预警合并处理，升级预警等级。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
CN201911171998.0A 2019-11-26 2019-11-26 物联网企业网络故障的监控方法及装置 Active CN110912775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911171998.0A CN110912775B (zh) 2019-11-26 2019-11-26 物联网企业网络故障的监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911171998.0A CN110912775B (zh) 2019-11-26 2019-11-26 物联网企业网络故障的监控方法及装置

Publications (2)

Publication Number Publication Date
CN110912775A CN110912775A (zh) 2020-03-24
CN110912775B true CN110912775B (zh) 2021-03-16

Family

ID=69819513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911171998.0A Active CN110912775B (zh) 2019-11-26 2019-11-26 物联网企业网络故障的监控方法及装置

Country Status (1)

Country Link
CN (1) CN110912775B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111953531B (zh) * 2020-07-28 2023-03-24 广东省电信规划设计院有限公司 网络故障分析方法及装置
CN112579419A (zh) * 2020-12-30 2021-03-30 杭州视洞科技有限公司 一种智能摄像机智能商务数据展示平台的自动化监控方案与流程
CN115514615A (zh) * 2021-06-07 2022-12-23 中国移动通信集团有限公司 用于宽带网络的故障检测方法及装置
CN113395182B (zh) * 2021-06-21 2022-03-18 山东八五信息技术有限公司 具有故障预测的智能网络设备管理系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091070A (zh) * 2014-07-07 2014-10-08 北京泰乐德信息技术有限公司 一种基于时间序列分析的轨道交通故障诊断方法和系统
CN107247651A (zh) * 2017-05-09 2017-10-13 中国电子产品可靠性与环境试验研究所 云计算平台监测预警方法和系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893700B (zh) * 2016-04-26 2019-05-31 陆新建 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术
CN106526419B (zh) * 2016-11-03 2017-09-22 河南工程学院 基于预测校正技术的配电网容错性在线故障定位方法
CN107132064B (zh) * 2017-05-17 2019-02-26 山东大学 基于多传感器的旋转机械系统运行状态监测方法及系统
CN107450524A (zh) * 2017-08-30 2017-12-08 深圳市智物联网络有限公司 预测工业设备故障的方法、装置及计算机可读存储介质
CN107862052A (zh) * 2017-11-08 2018-03-30 国网电力科学研究院武汉南瑞有限责任公司 一种故障案例库、故障树及故障谱构建方法
CN108270292A (zh) * 2018-02-01 2018-07-10 七星电气股份有限公司 用于开闭所的智能在线监测系统
CN108334033A (zh) * 2018-02-28 2018-07-27 中国科学院重庆绿色智能技术研究院 基于物联网与机器学习的冲床组故障预测方法及其系统
CN109697207B (zh) * 2018-12-25 2020-08-28 苏州思必驰信息科技有限公司 时序数据的异常监控方法及系统
CN109828888A (zh) * 2019-01-28 2019-05-31 中国联合网络通信集团有限公司 业务系统状态监控方法、装置及计算机可读存储介质
CN110175746A (zh) * 2019-04-26 2019-08-27 武汉企鹅能源数据有限公司 基于物联网的车间错峰排产系统
CN110288151B (zh) * 2019-06-24 2023-08-08 重庆农村大数据投资股份有限公司 基于物联网的农机共享监控系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091070A (zh) * 2014-07-07 2014-10-08 北京泰乐德信息技术有限公司 一种基于时间序列分析的轨道交通故障诊断方法和系统
CN107247651A (zh) * 2017-05-09 2017-10-13 中国电子产品可靠性与环境试验研究所 云计算平台监测预警方法和系统

Also Published As

Publication number Publication date
CN110912775A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110912775B (zh) 物联网企业网络故障的监控方法及装置
CN111047082B (zh) 设备的预警方法及装置、存储介质和电子装置
CN107943809B (zh) 数据质量监控方法、装置及大数据计算平台
CN111679952B (zh) 告警阈值生成方法及装置
CN113282635B (zh) 一种微服务系统故障根因定位方法及装置
CN105323111A (zh) 一种运维自动化系统及方法
CN112162907A (zh) 基于监控指标数据的健康度评估方法
CN112632805B (zh) 机组跨越振动区分析预警方法、系统、终端及介质
CN113762604B (zh) 一种工业互联网大数据服务系统
CN113837423A (zh) 基于能源互联网电力大数据的电网运行态势预测方法
CN118152970B (zh) 一种基于边缘计算算法的设备状态趋势感知方法
CN117076891A (zh) 一种清洁能源发电数据清洗、功率预测分析方法和系统
CN112749060A (zh) 一种电力系统服务总线监视方法
CN114338348A (zh) 一种智能告警方法、装置、设备及可读存储介质
CN110635947A (zh) 异常访问监测方法及装置
CN114172921A (zh) 一种调度录音系统的日志审计方法及装置
CN103888300A (zh) Web服务系统中网络故障分析系统与方法
CN113836196A (zh) 一种电网未定义事件类型识别方法及系统
CN108737164A (zh) 一种电信网络实时告警过滤方法及装置
CN105678388A (zh) 一种基于基线的运维管理健康分析方法
CN114201481A (zh) 一种基于配变可信度的配电网故障管理系统
CN109034617A (zh) 基于大数据的配电网指标分析方法及系统
CN103166322A (zh) 一种低频减载装置的监测方法及系统
CN113408764A (zh) 基于数字孪生的产品在线技术状态管控系统
CN115834335B (zh) 告警信息处理方法及装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: Room 702-2, No. 4811, Cao'an Highway, Jiading District, Shanghai

Patentee after: CHINA UNITECHS

Address before: 100872 5th floor, Renmin culture building, 59 Zhongguancun Street, Haidian District, Beijing

Patentee before: CHINA UNITECHS