CN112104495B - 一种基于网络拓扑的系统故障根因定位方法 - Google Patents

一种基于网络拓扑的系统故障根因定位方法 Download PDF

Info

Publication number
CN112104495B
CN112104495B CN202010941223.3A CN202010941223A CN112104495B CN 112104495 B CN112104495 B CN 112104495B CN 202010941223 A CN202010941223 A CN 202010941223A CN 112104495 B CN112104495 B CN 112104495B
Authority
CN
China
Prior art keywords
alarm
node
root cause
score
information
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
CN202010941223.3A
Other languages
English (en)
Other versions
CN112104495A (zh
Inventor
叶茂
张俊晖
邱龙海
杨源斌
周成立
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.)
Sichuan Information Technology College
Original Assignee
Sichuan Information Technology College
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 Sichuan Information Technology College filed Critical Sichuan Information Technology College
Priority to CN202010941223.3A priority Critical patent/CN112104495B/zh
Publication of CN112104495A publication Critical patent/CN112104495A/zh
Application granted granted Critical
Publication of CN112104495B publication Critical patent/CN112104495B/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
    • 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
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
    • 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
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • 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
    • H04L41/0677—Localisation of faults

Landscapes

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

Abstract

本发明涉及一种基于网络拓扑的系统故障根因定位算法，根据告警信息Wt所在的系统节点的网络拓扑图，对故障信息进行告警影响力打分，得分按照公式进行计算：Score＝w1*告警类型+w2*是否根因+w3*节点n出度+w4*节点n入度+w5*告警频率+w6*n节点为起点的告警风暴大小+b，当Score＞b时，表示告警Wt是根因；当Score＜b时，表示Wt不是根因；对网路拓扑系统中所有的故障信息中的每一条告警信息进行分析，通过提取告警信息的对应参数，将其带入至判断公式中，从而快速确定告警信息是否为根因，本发明的算法可以快速有效地对故障信息中的告警信息进行分析，确定告警信息类型，并对根因进行定位。

Description

一种基于网络拓扑的系统故障根因定位方法
技术领域
本发明涉及网络故障定位技术领域，具体是一种基于网络拓扑的系统故障根因定位方法。
背景技术
在一些超大规模的网络系统中，网络节点（如服务器、终端等设备）会经常出现各种各样的故障告警，由于网络节点之间相互连通，因此会导致故障告警在系统中进行传播，传播之后便很难在系统中找到故障根因，从而难以对产生根因告警的网络节点进行定位。
发明内容
有鉴于此，本发明的目的是提供一种基于网络拓扑的系统故障根因定位方法，能够通过收集系统中的故障信息，并对故障信息中的告警信息进行分析，确定告警信息类型，并对根因进行定位。
本发明的一种基于网络拓扑的系统故障根因定位方法，包括步骤：
采集系统中所有的故障信息，并对故障信息中每一条告警信息使用Wt(n,m)进行分析处理，其中，t是第t条，n是这条告警信息的系统节点，m是告警类型；
根据Wt所在的系统节点的网络拓扑图，对故障信息进行告警影响力打分，得分按照以下公式进行计算：
Score=w1*告警类型+w2*是否根因+w3*节点n出度+w4*节点n入度+w5*告警频率+w6*n节点为起点的告警风暴大小+b，其中，w1、w2、w3、w4、w5和w6是权重，b是偏移量；
判断标准为：当Score＞0时，表示告警Wt是根因；当Score≤0时，表示Wt不是根因；
将判断结果标注至对应的告警信息Wt中，并根据系统中存在的已标注的数据，进行统计或者神经网络的方法对Score进行训练，从而获得最佳参数值；
其中，告警风暴大小的算法如下：
（1）先将告警风暴大小S归零，即S=0，同时使得产生告警信息的节点n加入堆栈N，节点n加入已访问节点集合R；
（2）如果堆栈N不为空，则从N出栈1个节点n；
（3）在网络拓扑有向无环图中查找调用节点n的所有网络节点集合A；
（4）生成一个临时列表T，临时列表T设为空；
（5）对于集合A中每个节点a：
（5.1）如果T为空，或者T中最后一个节点的告警出现次数大于出现告警的节点a的出现次数，则：
（5.1.1）将告节点a告警数增加至告警风暴值s中；
（5.1.2）a加入临时列表T中；
（5.1.3）a加入已访问节点集合R；
（5.2）如果T中最后一个节点的告警出现次数小于出现告警的节点a的出现次数，则：
（5.2.1）删除列表T的最后一个节点；
（5.2.2）告警风暴值s增加节点a告警数；
（5.2.3）a加入临时列表T中；
（5.2.4）a加入已访问集合R；
（6）将列表T中所有节点增加到堆栈N中。
进一步地，Score得分的每个得分项说明如下：
（1）告警类型：为系统告警类型，每种类型对应一个得分；
（2）是否根因：根因告警分数为1，其他告警分数为0；
（3）节点出度：每一个出边计1分，并根据出边总数计算总分；
（4）节点入度：每一个入边计1分，并根据入边总数计算总分；
（5）告警频率：告警信息在告警文件中出现的总次数；
（6）告警风暴：以节点n为起点，根据网络拓扑图计算告警风暴数s。
进一步地，所述偏移量b为阈值，用于调节根因的判定值。
本发明的有益效果是：本发明的一种基于网络拓扑的系统故障根因定位方法，对网路拓扑系统中所有的故障信息中的每一条告警信息进行分析，通过提取告警信息的对应参数，将其带入至判断公式中，从而快速确定告警信息是否为根因，本发明的算法可以快速有效地对故障信息中的告警信息进行分析，确定告警信息类型，并对根因进行定位。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。
图1为本发明的告警风暴大小计算方法流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
大规模的拓扑网络系统由许多的网络节点构成，每个网络节点均与若干个其他的网络节点连接，从而构成网络结构，网络节点为服务器、终端等网络设备，因此不可避免地会出现故障，网络节点便会发送告警信息，当网络节点数量足够多时，系统中会积累大量的告警信息，由于网络节点所处位置决定网络节点只能将告警信息发送至与自身连接的网络节点，再一层一层地转发出去；这样一来，告警信息进一步积累，同时最终接受到的告警信息时，难以对根因进行定位，因此，本发明基于上述问题，提出一种基于网络拓扑的系统故障根因定位算法。
如图1所示：本实施例的一种基于网络拓扑的系统故障根因定位方法，包括步骤：
将系统中的所有故障信息进行汇总，并采集系统中所有的故障信息，故障信息中可能包含多条告警信息，因此对故障信息中每一条告警信息使用Wt(n,m)进行分析处理，其中，t是该条告警信息属于故障信息中的第t条，n是这条告警信息的产生的系统节点，m是告警类型；
根据Wt所在的系统节点的网络拓扑图，对故障信息进行告警影响力打分，得分按照以下公式进行计算：
Score=w1*告警类型+w2*是否根因+w3*节点n出度+w4*节点n入度+w5*告警频率+w6*n节点为起点的告警风暴大小+b，其中，w1、w2、w3、w4、w5和w6是权重，b是偏移量，偏移量b为阈值，用于调节根因的判定值。
判断标准为：当Score＞0时，表示告警Wt是根因；当Score≤0时，表示Wt不是根因；
具体的Score得分的具体规则如下：
A.告警类型：为系统告警类型，每种类型对应一个得分，具体得分需要根据具体系统的具体告警类型作出预先规划；
B.是否根因：根因告警分数为1，其他告警分数为0；
C.节点出度：每一个出边计1分，并根据出边总数计算总分；
D.节点入度：每一个入边计1分，并根据入边总数计算总分；
E.告警频率：告警信息在告警文件中出现的总次数；
F.告警风暴：以节点n为起点，根据网络拓扑图计算告警风暴数s。
将判断结果：即是否为根因，标注至对应的对应的告警信息Wt中，并根据系统中存在的已标注的数据，进行统计或者神经网络的方法对Score进行训练，从而获得最佳参数值,本实施例中采用统计法，即根据系统中已经存在的已标注的数据进行统计，提取足够多的样本，样本为已标注并且判断准确的告警信息Wt，提取出该条告警信息Wt的参数：即，告警类型、是否根因、节点出度、节点入度、告警频率和告警风暴，并根据公式：
Score=w1*告警类型+w2*是否根因+w3*节点n出度+w4*节点n入度+w5*告警频率+w6*n节点为起点的告警风暴大小+b，得出权重w1、w2、w3、w4、w5、w6和偏移量b的取值范围，并在该范围中取出一个准确合理的值即可，并在后续的使用过程中不断修正，即可获得最能适合该拓扑网络系统的参数值。
本发明中所用到的评判公式中，其中告警类型、是否根因、节点出度、节点入度和告警频率都能根据网络节点和该网络节点产生的告警信息直接读取出，而告警风暴为本发明的技术关键点，告警风暴大小的算法如下：
步骤（1）定义告警风暴S，告警风暴的大小即上文出现的告警风暴数，先将告警风暴大小S归零，即S=0，同时使得产生告警信息的节点n加入堆栈N，节点n加入已访问节点集合R；
步骤（2）如果堆栈N不为空，则从N出栈1个节点n；
步骤（3）在网络拓扑有向无环图中查找调用节点n的所有网络节点集合A，n的故障会传播到这些节点；
步骤（4）生成一个用于记录节点a临时列表T，临时列表T设为空；
步骤（5）对于集合A中每个节点a，节点a表示调用过节点n的所有网络节点，节点a表示大概率产生非根因告警信息的网络节点：
（5.1）如果T为空，或者T中最后一个节点a的告警出现次数大于出现告警的节点a的出现次数，则：
（5.1.1）将告节点a告警数增加至告警风暴值s中；
（5.1.2）a加入临时列表T中；
（5.1.3）a加入已访问节点集合R；
（5.2）如果T中最后一个节点的告警出现次数小于出现告警的节点a的出现次数，则：
（5.2.1）删除列表T的最后一个节点；
（5.2.2）告警风暴值s增加节点a告警数；
（5.2.3）a加入临时列表T中；
（5.2.4）a加入已访问集合R；
（6）将列表T中所有节点增加到堆栈N中。
本发明的一种基于网络拓扑的系统故障根因定位方法，对网路拓扑系统中所有的故障信息中的每一条告警信息进行分析，通过提取告警信息的对应参数，将其带入至判断公式中，从而快速确定告警信息是否为根因，本发明的算法可以快速有效地对故障信息中的告警信息进行分析，确定告警信息类型，并对根因进行定位。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本实用新型技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于网络拓扑的系统故障根因定位方法，其特征在于：包括步骤：
采集系统中所有的故障信息，并对故障信息中每一条告警信息使用Wt(n,m)进行分析处理，其中，t是第t条，n是这条告警信息的系统节点，m是告警类型；
根据Wt所在的系统节点的网络拓扑图，对故障信息进行告警影响力打分，得分按照以下公式进行计算：
Score=w1*告警类型+w2*是否根因+w3*节点n出度+w4*节点n入度+w5*告警频率+w6*n节点为起点的告警风暴大小+b，其中，w1、w2、w3、w4、w5和w6是权重，b是偏移量；
判断标准为：当Score＞0时，表示告警Wt是根因；当Score≤0时，表示Wt不是根因；
将判断结果标注至对应的告警信息Wt中，并根据系统中存在的已标注的数据，进行机器学习或者神经网络的方法对Score进行训练，从而获得最佳参数值；
其中，告警风暴大小的计算方法如下：
先将告警风暴大小S归零，即S=0，同时使得产生告警信息的节点n加入堆栈N，节点n加入已访问节点集合R；
如果堆栈N不为空，则从N出栈1个节点n；
在网络拓扑有向无环图中查找调用节点n的所有网络节点集合A；
生成一个临时列表T，临时列表T设为空；
对于集合A中每个节点a：
（5.1）如果T为空，或者T中最后一个节点的告警出现次数大于出现告警的节点a的出现次数，则：
（5.1.1）将告节点a告警数增加至告警风暴值s中；
（5.1.2）a加入临时列表T中；
（5.1.3）a加入已访问节点集合R；
（5.2）如果T中最后一个节点的告警出现次数小于出现告警的节点a的出现次数，则：
（5.2.1）删除列表T的最后一个节点；
（5.2.2）告警风暴值s增加节点a告警数；
（5.2.3）a加入临时列表T中；
（5.2.4）a加入已访问集合R；
（6）将列表T中所有节点增加到堆栈N中。
2.根据权利要求 1 所述的一种基于网络拓扑的系统故障根因定位方法，其特征在于：Score得分的每个得分项说明如下：
（1）告警类型：为系统告警类型，每种类型对应一个得分；
（2）是否根因：根因告警分数为1，其他告警分数为0；
（3）节点出度：每一个出边计1分，并根据出边总数计算总分；
（4）节点入度：每一个入边计1分，并根据入边总数计算总分；
（5）告警频率：告警信息在告警文件中出现的总次数；
（6）告警风暴：以节点n为起点，根据网络拓扑图计算告警风暴数s。
3.根据权利要求 1 所述的一种基于网络拓扑的系统故障根因定位方法，其特征在于：所述偏移量b为阈值，用于调节根因的判定值。
CN202010941223.3A 2020-09-09 2020-09-09 一种基于网络拓扑的系统故障根因定位方法 Active CN112104495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010941223.3A CN112104495B (zh) 2020-09-09 2020-09-09 一种基于网络拓扑的系统故障根因定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010941223.3A CN112104495B (zh) 2020-09-09 2020-09-09 一种基于网络拓扑的系统故障根因定位方法

Publications (2)

Publication Number Publication Date
CN112104495A CN112104495A (zh) 2020-12-18
CN112104495B true CN112104495B (zh) 2022-07-05

Family

ID=73751164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010941223.3A Active CN112104495B (zh) 2020-09-09 2020-09-09 一种基于网络拓扑的系统故障根因定位方法

Country Status (1)

Country Link
CN (1) CN112104495B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112711493A (zh) * 2020-12-25 2021-04-27 上海精鲲计算机科技有限公司 一种场景化根因分析应用
CN113240139B (zh) * 2021-06-03 2023-09-26 南京中兴新软件有限责任公司 告警因果评估方法、故障根因定位方法及电子设备
CN113361827B (zh) * 2021-07-22 2021-11-02 四川信息职业技术学院 一种基于强化学习的土地规划优化算法
CN113515433B (zh) * 2021-07-28 2023-08-15 中移（杭州）信息技术有限公司 告警日志处理方法、装置、设备及存储介质
US11838172B2 (en) 2021-08-31 2023-12-05 Juniper Networks, Inc. Identifying root cause of failures through detection of network scope failures
CN114978878B (zh) * 2022-05-12 2024-03-08 亚信科技（中国）有限公司 定位方法、装置、电子设备及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032253A (ja) * 2001-06-29 2003-01-31 Internatl Business Mach Corp <Ibm> 管理可能なネットワークにおける事前対策オンライン診断
CN101707537A (zh) * 2009-11-18 2010-05-12 华为技术有限公司 故障链路定位方法、告警根因分析方法及设备、系统
CN104767648A (zh) * 2015-04-24 2015-07-08 烽火通信科技股份有限公司 一种基于告警回溯的根源告警定位功能实现方法及系统
CN104796273A (zh) * 2014-01-20 2015-07-22 中国移动通信集团山西有限公司 一种网络故障根源诊断的方法和装置
CN106330533A (zh) * 2016-01-21 2017-01-11 华南师范大学 一种大规模网络告警实时拓扑建立方法
CN108737147A (zh) * 2017-04-25 2018-11-02 中国移动通信集团广东有限公司 一种网络告警事件处理方法及装置
CN109684181A (zh) * 2018-11-20 2019-04-26 华为技术有限公司 告警根因分析方法、装置、设备及存储介质
CN109905270A (zh) * 2018-03-29 2019-06-18 华为技术有限公司 定位根因告警的方法、装置和计算机可读存储介质
CN110351118A (zh) * 2019-05-28 2019-10-18 华为技术有限公司 根因告警决策网络构建方法、装置和存储介质
CN110766143A (zh) * 2019-10-31 2020-02-07 上海埃威航空电子有限公司 基于人工神经网络的设备故障智能诊断方法
CN110943857A (zh) * 2019-11-20 2020-03-31 国网湖北省电力有限公司信息通信公司 基于卷积神经网络的电力通信网故障分析及定位方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5489085B2 (ja) * 2009-05-15 2014-05-14 日本電気株式会社 障害原因推定システム、障害原因推定方法、及び障害原因推定プログラム
CN109327320B (zh) * 2017-07-31 2020-11-06 华为技术有限公司 一种故障定界方法及设备
US11153144B2 (en) * 2018-12-06 2021-10-19 Infosys Limited System and method of automated fault correction in a network environment

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032253A (ja) * 2001-06-29 2003-01-31 Internatl Business Mach Corp <Ibm> 管理可能なネットワークにおける事前対策オンライン診断
CN101707537A (zh) * 2009-11-18 2010-05-12 华为技术有限公司 故障链路定位方法、告警根因分析方法及设备、系统
CN104796273A (zh) * 2014-01-20 2015-07-22 中国移动通信集团山西有限公司 一种网络故障根源诊断的方法和装置
CN104767648A (zh) * 2015-04-24 2015-07-08 烽火通信科技股份有限公司 一种基于告警回溯的根源告警定位功能实现方法及系统
CN106330533A (zh) * 2016-01-21 2017-01-11 华南师范大学 一种大规模网络告警实时拓扑建立方法
CN108737147A (zh) * 2017-04-25 2018-11-02 中国移动通信集团广东有限公司 一种网络告警事件处理方法及装置
CN109905270A (zh) * 2018-03-29 2019-06-18 华为技术有限公司 定位根因告警的方法、装置和计算机可读存储介质
CN109684181A (zh) * 2018-11-20 2019-04-26 华为技术有限公司 告警根因分析方法、装置、设备及存储介质
CN110351118A (zh) * 2019-05-28 2019-10-18 华为技术有限公司 根因告警决策网络构建方法、装置和存储介质
CN110766143A (zh) * 2019-10-31 2020-02-07 上海埃威航空电子有限公司 基于人工神经网络的设备故障智能诊断方法
CN110943857A (zh) * 2019-11-20 2020-03-31 国网湖北省电力有限公司信息通信公司 基于卷积神经网络的电力通信网故障分析及定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于拓扑图元信息融合的电网故障诊断模型;徐彪等;《电工技术学报》;20171204(第03期);全文 *

Also Published As

Publication number Publication date
CN112104495A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN112104495B (zh) 一种基于网络拓扑的系统故障根因定位方法
CN110535702B (zh) 一种告警信息处理方法及装置
CN112448836A (zh) 故障根因确定方法、装置、服务器和计算机可读介质
CN108470022B (zh) 一种基于运维管理的智能工单质检方法
CN108460085A (zh) 一种基于用户日志的视频搜索排序训练集构建方法及装置
CN113645182B (zh) 一种基于二次特征筛选的拒绝服务攻击随机森林检测方法
CN110798463B (zh) 基于信息熵的网络隐蔽信道的检测方法及装置
CN113032238A (zh) 基于应用知识图谱的实时根因分析方法
CN103559330B (zh) 数据一致性检测方法及系统
CN114978877B (zh) 一种异常处理方法、装置、电子设备及计算机可读介质
CN118094531B (zh) 一种安全运维实时预警一体化系统
CN116708038A (zh) 基于资产测绘的工业互联网企业网络安全威胁识别方法
CN113608072B (zh) 基于非健全条件下电力自愈快速故障定位方法
CN114528909A (zh) 一种基于流量日志特征提取的无监督异常检测方法
CN112882899B (zh) 一种日志异常检测方法及装置
Zhao et al. Extracting and classifying typhoon disaster information based on volunteered geographic information from Chinese Sina microblog
CN115599830A (zh) 一种数据关联关系的确定方法、装置、设备和介质
CN108234435A (zh) 一种基于ip分类的自动检测方法
CN116820826B (zh) 一种基于调用链的根因定位方法、装置、设备及存储介质
CN114661700A (zh) 一种基于ai的人工影响天气作业效果检验方法
CN113011875A (zh) 文本处理方法、装置、计算机设备以及存储介质
CN112884353A (zh) 一种任务可靠度评价系统
CN111047079A (zh) 一种风电场风速时间序列预测方法及系统
CN115022916B (zh) 一种基于状态检测的5g通信异常预警方法及系统
CN115134246B (zh) 网络性能指标监控方法、装置、设备和存储介质

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