CN113950086B - 确定无线网络问题根因的方法、系统、设备及存储介质 - Google Patents

确定无线网络问题根因的方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113950086B
CN113950086B CN202010687762.9A CN202010687762A CN113950086B CN 113950086 B CN113950086 B CN 113950086B CN 202010687762 A CN202010687762 A CN 202010687762A CN 113950086 B CN113950086 B CN 113950086B
Authority
CN
China
Prior art keywords
wireless network
influence weight
degradation
index
association
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
CN202010687762.9A
Other languages
English (en)
Other versions
CN113950086A (zh
Inventor
张冬晨
任文璋
周胜
金文研
张阳
方芳
陈方琼
赵贝贝
陈涛
阮章静
李行政
汪汀岚
宋心刚
彭玉丽
金童
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute 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 China Mobile Communications Group Co Ltd, China Mobile Group Design Institute Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010687762.9A priority Critical patent/CN113950086B/zh
Publication of CN113950086A publication Critical patent/CN113950086A/zh
Application granted granted Critical
Publication of CN113950086B publication Critical patent/CN113950086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例涉及移动通信技术领域，公开了确定无线网络问题根因的方法、系统、设备及存储介质。本发明实施例先在检测到无线网络异常时，获取与无线网络异常对应的当前影响权值，其中，当前影响权值用于表征与无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；根据当前影响权值从无线网络子因中确定无线网络主因。可见，本发明实施例提供了一类面向无线网络的智能根因分析手段，可基于不同的无线网络异常对小区指标的影响情况的不同进行主因判断，从而解决了目前缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题；同时，也便于后续快速解决小区指标劣化问题。

Description

确定无线网络问题根因的方法、系统、设备及存储介质
技术领域
本发明涉及移动通信技术领域，尤其涉及确定无线网络问题根因的方法、系统、设备及存储介质。
背景技术
目前，长期演进(LTE，Long Term Evolution)/NR(New Radio)网络的网络优化操作主要以集中优化方式为主，进而对网络性能问题进行分析处理。
具体方式表现为，以工单方式派发劣化小区，进而进行工单处理，解决问题。
具体步骤可分化为，对劣化小区工单进行问题处理，从而提升了网络质量；优化人员也将对小区的无线网络问题进行分析，完成了日常网络优化及专项优化中的部分方案执行工作，也完成了对劣化小区工单的处理。
但是，针对无线网络问题的处理而言，当发现网络问题时，多交由人工进行综合处理判断，并没有一类可供直接使用的智能化的根因分析手段，从而大大拉低了处理效率。
可见，目前，存在着缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题。
发明内容
为了解决目前缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题，本发明实施例提供确定无线网络问题根因的方法、系统、设备及存储介质。
第一方面，本发明实施例提供一种确定无线网络问题根因的方法，包括：
在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
优选地，所述在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值之前，还包括：
获取概率关联信息、心跳周期信息及指标劣化关联信息；
根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值。
优选地，所述根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值之后，还包括：
根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值。
优选地，所述根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值之前，还包括：
获取工单分析原因和人工分析原因；
对所述工单分析原因与所述人工分析原因进行比较，以得到比较结果；
通过所述比较结果分别对与所述工单分析原因对应的初始修正系数、与所述人工分析原因对应的初始修正系数进行调整，以得到预设修正系数。
优选地，所述获取概率关联信息、心跳周期信息及指标劣化关联信息之前，还包括：
获取小区指标和无线网络子因；
根据概率关联法对所述小区指标与所述无线网络子因进行关联分析，以得到概率关联信息；
根据心跳关联法对所述小区指标与所述无线网络子因进行关联分析，以得到心跳周期信息；
根据皮尔逊关联法对所述小区指标与所述无线网络子因进行关联分析，以得到指标劣化关联信息。
优选地，所述获取小区指标和无线网络子因之前，还包括：
获取劣化周期内的劣化指标；
对所述劣化指标进行归一化赋值，以得到指标赋值矩阵；
对无线网络子因进行小时级赋值，以得到子因赋值矩阵；
基于预设关联系数对所述子因赋值矩阵进行筛选，以得到新的子因赋值矩阵，以将所述指标赋值矩阵作为小区指标、新的子因赋值矩阵作为无线网络子因进行关联分析。
优选地，所述根据所述当前影响权值从所述无线网络子因中确定无线网络主因之后，还包括：
获取与所述无线网络主因对应的网络优化操作，并调用所述网络优化操作优化当前无线网络。
第二方面，本发明实施例提供一种确定无线网络问题根因的系统，包括：
问题检测模块，用于在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
智能根因模块，用于根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明第一方面提供的确定无线网络问题根因的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明第一方面提供的确定无线网络问题根因的方法的步骤。
本发明实施例提供的确定无线网络问题根因的方法、系统、设备及存储介质，先在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；根据所述当前影响权值从所述无线网络子因中确定无线网络主因。可见，本发明实施例提供了一类面向无线网络的智能根因分析手段，可基于不同的无线网络异常对小区指标的影响情况的不同进行主因判断，从而解决了目前缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题；同时，也便于后续快速解决小区指标劣化问题。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的一种确定无线网络问题根因的方法的流程图；
图2为本发明又一实施例提供的一种确定无线网络问题根因的方法的流程图；
图3为本发明再一实施例提供的一种确定无线网络问题根因的方法的流程图；
图4为本发明实施例提供的一种确定无线网络问题根因的系统的结构示意图；
图5为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。
图1为本发明实施例提供的一种确定无线网络问题根因的方法的流程图，如图1所示，该方法包括：
S1，在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度。
可以理解的是，为了应对目前集中优化方式进行问题分析的缺陷，本发明实施例提供了一类无线网络智能根因分析方式。
在实际运维环境中，当同时遇到多个无线网络问题即多个无线网络异常时，可采用与无线网络异常对应的影响权值进行智能根因分析。
在智能根因分析过程中，一个无线网络异常可视为一个无线网络子因，无线网络子因可记为R。
就影响权值的含义而言，鉴于不同的无线网络子因R对不同类型的小区指标有着不同的劣化影响，影响权值用于表征该劣化影响的影响程度。
其中，当前影响权值可理解为当前使用时影响权值的实际取值。
S2，根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
应当理解的是，当前影响权值的数值大小可以表征该劣化影响的影响程度，可依据当前影响权值的数值大小从无线网络子因中选中无线网络主因，以应对小区指标的劣化状况。
后续可优选处理该无线网络主因，以更高效地缓解网络劣化，可快速提升网络质量，也大大提高了工单处理效率。
其中，无线网络主因可理解为与小区指标相关性较大的无线网络子因。小区指标相关性较大，可表征为，影响权值的数值较大。
进一步地，在实际运维环境中，可预先确定作为评估基准的小区指标，小区指标可记为K。
进一步地，本发明实施例所描述的无线网络可具体为LTE与NR网络。
例如，可根据当前影响权值的大小进行排序，以确定每个子因对应的优先级，可输出优先级排序为前4即当前影响权值排序为前4的子因作为待输出的智能根因结果。可见，如此可精确定位指标劣化的主因。
本发明实施例提供的确定无线网络问题根因的方法，先在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；根据所述当前影响权值从所述无线网络子因中确定无线网络主因。可见，本发明实施例提供了一类面向无线网络的智能根因分析手段，可基于不同的无线网络异常对小区指标的影响情况的不同进行主因判断，从而解决了目前缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题；同时，也便于后续快速解决小区指标劣化问题。
图2为本发明又一实施例提供的一种确定无线网络问题根因的方法的流程图，本发明又一实施例基于上述图1所示的实施例。
本实施例中，所述S1之前，所述确定无线网络问题根因的方法还包括：
S01，获取概率关联信息、心跳周期信息及指标劣化关联信息。
S02，根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值。
可以理解的是，为了确定实际运维环境中将使用到的基准值，即影响权值，此时可给出一类影响权值的生成方式。
具体地，可参考三类影响根因的重要概率因素，以得到第一影响权值。
比如，可累加这三类影响根因的重要概率因素，以得到第一影响权值。
其中，概率关联信息对应于概率关联法，心跳周期信息对应于心跳关联法，指标劣化关联信息对应于皮尔逊关联法。
通过综合这三个维度的要素，可得到一类相对有效的影响权值。
本发明实施例提供的确定无线网络问题根因的方法，给出一类影响权值的生成方式。
在上述实施例的基础上，优选地，所述根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值之后，所述确定无线网络问题根因的方法还包括：
根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值。
可以理解的是，在实际运维环节除了可使用第一影响权值之外，还可对第一影响权值进行修正，使用修正后的影响权值进行主因确定操作。
进一步地，就预设修正系数的生成方式而言，可基于后向学习的机器学习算法生成预设修正系数。
其中，预设修正系数可具体表征为修正系数矩阵。
更具体地，可调用不同的无线网络子因R与不同的小区指标K通过该机器学习算法来得到该修正系数矩阵。
进一步地，就预设修正系数的使用方式而言，可通过修正系数矩阵对无线网络子因R的影响权值进行权值修正。
在上述实施例的基础上，优选地，所述根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值之前，所述确定无线网络问题根因的方法还包括：
获取工单分析原因和人工分析原因；
对所述工单分析原因与所述人工分析原因进行比较，以得到比较结果；
通过所述比较结果分别对与所述工单分析原因对应的初始修正系数、与所述人工分析原因对应的初始修正系数进行调整，以得到预设修正系数。
可以理解的是，此处可提供一类修正系数的调整方式。
例如，可将工单分析结论与人工实际处理解决结论进行对比，其中，工单分析结论对应于上述的工单分析原因，人工实际处理解决结论对应于上述的人工分析原因。
其中，工单分析即为工单自动分析，人工实际处理解决结论可以地市分析原因为例。
其一，如果工单分析原因R1与人工分析原因R2一致，则系数修正方法将为，工单分析原因R1对应于小区指标的初始修正系数进行权值增加操作。此处的小区指标比如为无线掉线率。
其二，如果工单分析原因R1与人工分析原因R2不一致，则系数修正方法将为，工单分析原因R1对应于小区指标的初始修正系数进行权值减少操作，人工分析原因R2对应于小区指标的初始修正系数进行权值增加操作。
进一步地，此处的初始修正系数的调整公式可参见如下所示的公式，
d_1＝d+0.1(f(k,r)+e(k,r))，修正系数将增加；
d_1＝d-0.1(f(k,r)+e(k,r))，修正系数将减少。
其中，d_1表示调整后的修正系数，d表示调整前的修正系数。
图3为本发明再一实施例提供的一种确定无线网络问题根因的方法的流程图，本发明再一实施例基于上述图2所示的实施例。
本实施例中，所述S01之前，所述确定无线网络问题根因的方法还包括：
S001，获取小区指标和无线网络子因；
S002，根据概率关联法对所述小区指标与所述无线网络子因进行关联分析，以得到概率关联信息；
S003，根据心跳关联法对所述小区指标与所述无线网络子因进行关联分析，以得到心跳周期信息；
S004，根据皮尔逊关联法对所述小区指标与所述无线网络子因进行关联分析，以得到指标劣化关联信息。
具体地，其一，就概率关联法而言，可统计无线网络子因R对小区指标K出现的根因影响次数，此根因影响次数即为概率关联信息，可记为x。
当然，之后，可通过预设修正系数进行加权。
比如，可表征为常数x乘以预设修正系数d，从而得到了x*d。
其二，就心跳关联法而言，可先组合无线网络子因R和小区指标K以得到相关性方向。
在相关性方向为正向时，R元素越强对K元素的劣化越严重，说明，R元素对K元素的影响越强烈。在相关性方向为负向时，R元素强但是K元素并没有受到其影响，即，R的劣化导致K的劣化的可能性越小。
其中，每个小时内的心跳关联计算公式可表达如下，
Ri*Kj
其中，Kj表示小时粒度下的归一化指标值；Ri表示小区指标的质差程度，取值可为0、1及2；j表示序号。
接着，可在时域上进行综合加权计算，以得到心跳周期信息。
其中，心跳周期信息可记为，
其中，f(k，r)表示心跳周期信息，k表示无线网络子因，r表示小区指标；n表示劣化时间的小时数。
可见，本发明实施例通过对同等时间粒度下的小区指标与无线网络子因进行心跳关联，以得到相关性方向；接着，在时域上进行综合加权计算，以得到心跳周期信息。
其三，就皮尔逊关联法而言，鉴于对于不同无线网络子因的变化，小区指标可呈现不同的变化，本关联法通过使用皮尔逊关联系数，可探究不同无线网络子因变化时同时段小区指标变化情况的方差关联，同时，引入了正相关与负相关，可描述无线网络子因变化对小区指标的影响。
其中，指标劣化关联信息可记为e(k,r)。
其中，该指标劣化关联信息可描述劣化周期内总的影响值，可表征为，
其中，T表示时间劣化时间段内每小时统计数据，分别表示不同时间的r和k的平均值。
可见，本发明实施例通过综合以上三要素，最终可得到无线网络子因的影响因素，即上文所述的影响权值。
比如，可累加以上三要素。
进一步地，还可引用预设修正系数d进行加权操作，得到的第二影响权值可记为
其中，P表示第二影响权值。
进一步地，第二影响权值也可表征为，
其中，D表示修正系数矩阵，Dij为D中的数。
在上述实施例的基础上，优选地，所述S001之前，所述确定无线网络问题根因的方法还包括：
S0011，获取劣化周期内的劣化指标。
S0012，对所述劣化指标进行归一化赋值，以得到指标赋值矩阵。
可以理解的是，可先通过统计工单小区劣化时间段内的性能指标，以得到性能劣化小区的小时级不同的劣化指标。通过归一化计算，对每个小时的劣化指标进行赋值，以得到劣化指标的劣化时间赋值表。
其中，劣化时间赋值表即为上文出现的指标赋值矩阵。
例如，其一，可先确定性能劣化工单小区，接着，确定性能劣化工单小区的劣化周期T及劣化指标，其中，劣化指标即为上述的小区指标。
其二，可获取性能劣化工单小区在劣化周期T内N小时级的劣化指标，劣化指标可记为k1、k2、k3……kn。
其三，可对不同的劣化指标进行归一化赋值，以得到赋值Kn，形成劣化指标的赋值矩阵。
具体公式如下所示，
其中，kn表示n时间段内的劣化指标的指标值，k表示问题门限数值，k0表示完全无问题数值。
其中，劣化指标的赋值矩阵即指标赋值矩阵可如下所示，
其中，Kjn表示指标赋值矩阵。
S0013，对无线网络子因进行小时级赋值，以得到子因赋值矩阵。
应当理解的是，可先通过三步六维分析法得到无线网络子因R，接着，可依据严重程度并进行小时级赋值，以得到无线网络子因的劣化时间赋值表，并对是否有问题进行标记。
其中，无线网络子因的劣化时间赋值表即为上述的子因赋值矩阵。
其中，子因赋值矩阵用于表征无线网络子因R维度统一赋值情况。
进一步地，针对无线网络子因而言，无线网络子因的质差维度可基于六步分析法的维度子因，可根据六步各维度特征进行进一步细分得到。
其中，无线网络子因的质差维度的元素可分为三类。
第一类质差维度在一个心跳周期呈现开关特征，即，存在着该维度有问题、该维度没有问题两种状态。处于这类质差维度的元素包括有，告警、参数及邻区。
第二类质差维度呈现三态特征，包括有严重质差、弱质差及无问题。处于这类质差维度的元素包括，资源、干扰及覆盖。
第三类质差维度呈现一键判断特征，即，该维度在劣化周期内为单一特征，存在有问题或无问题两种状态。
进一步地，在确定无线网络子因的质差维度的特征状态后，可进行无线网络子因R维度的小时级赋值操作。
其中，R的质差维度的三态赋值规则为，严重质差赋值为4，弱质差赋值为2，无问题赋值为0。
其中，开关特征及一键判断特征的赋值规则为，有问题赋值2，无问题赋值为0。
此外，各项无线网络子因R赋值后续可通过修正系数进行准确性修正。
进一步地，在小时级赋值操作后，可进行计算统计，以得到劣化周期T内N小时粒度的赋值矩阵，即上述的子因赋值矩阵，可记为，
其中，Rin表示子因赋值矩阵。
可见，本发明实施例为了得到子因赋值矩阵，可先确定无线网络子因的质差维度的特征状态，再基于特征状态进行无线网络子因维度的小时级赋值操作，以得到劣化周期内N小时粒度的赋值矩阵，即上述的子因赋值矩阵。
S0014，基于预设关联系数对所述子因赋值矩阵进行筛选，以得到新的子因赋值矩阵，以将所述指标赋值矩阵作为小区指标、新的子因赋值矩阵作为无线网络子因进行关联分析。
可以理解的是，在获得初始的子因赋值矩阵后，还可对子因赋值矩阵进行筛选。
具体地，可统计大量工单数据及先验经验，比如，可统计子因Ri与指标Kj是否有关联，即，子因Ri是否会导致指标Kj劣化。
其中，有关联可标记为1，无关联标可记为0。
接着，可将无线网络子因R与预设关联系数即关联系数矩阵C进行关联，以筛选出无线网络子因与小区指标劣化是否存在关联。可对无关子因进行剔除，从而得到相关子因。
其中，新的子因赋值矩阵包括相关子因。
其中，预设关联系数可表现为关联系数矩阵C，以记录无线网络子因是否影响小区指标，如下所示，
其中，Cjn表示关联系数矩阵。
可见，本发明实施例可得出指标赋值矩阵、新的子因赋值矩阵，后续在采用概率关联法、心跳关联法及皮尔逊关联法进行关联分析时，可使用到指标赋值矩阵、新的子因赋值矩阵。
在上述实施例的基础上，优选地，所述根据所述当前影响权值从所述无线网络子因中确定无线网络主因之后，所述确定无线网络问题根因的方法还包括：
获取与所述无线网络主因对应的网络优化操作，并调用所述网络优化操作优化当前无线网络。
可以理解的是，在确定无线网络主因后，即，确定了较大程度上影响小区指标的无线网络问题后，可采用适应性操作来应对该无线网络问题，以提升网络质量。
进一步地，在根据所述当前影响权值从所述无线网络子因中确定无线网络主因之后，还可对智能根因结论进行展示操作。
在智能根因结论的展示界面中，可以气泡表征优先级，气泡圆圈的大小表示影响权值的大小。
此处可给出一例较为完整的智能根因流程，以供理解。
其一，可先生成集中优化工单。
具体地，通过监控网络质量自动发现问题。同时，可集合网优专家经验，设置一系列小区指标K的预警规则，交由平台自动进行问题判断并生成问题工单进行督办。
其二，可进行三步六维一键体检。
具体地，可从质差维度、小区病例、失败原因等方面进行问题的基础画像操作及定界操作，并从故障告警、覆盖、干扰、资源使用、参数配置修改及邻区六个维度进行无线问题诊断。
其三，将进行智能根因操作。
其四，可得出结论并输出方案。
具体地，可依据智能根因判断出的无线原因的主次排序来精确定位指标劣化的主因，并依据方案输出规则自动生成无线原因的分析及方案建议。
其五，进入工单一线处理阶段。
具体地，省公司优化组可参考预处理结果，并结合对现网的了解，进行深入的问题分析；分公司可执行省公司制定的优化方案，并进行现场效果跟踪，执行过程中可根据实际情况对优化方案进行调整。
其六，收集工单案例。
具体地，可对小区指标和处理质量进行质检评估；评估通过后，工单进行闭环；并对归档工单进行总结分析，反馈至一键体检/智能根因环节，完善和优化发现规则、智能分析手段，完成经验的固化。
需知，通过收集一线工单案例，采用后向学习思路进行修正系数与关联系数的调优，可以不断提高根因分析的准确性。
图4为本发明实施例提供的一种确定无线网络问题根因的系统的结构示意图，如图4所示，该系统包括：问题检测模块301、智能根因模块302；
问题检测模块301，用于在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
智能根因模块302，用于根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
本发明实施例提供的确定无线网络问题根因的系统，先在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；根据所述当前影响权值从所述无线网络子因中确定无线网络主因。可见，本发明实施例提供了一类面向无线网络的智能根因分析手段，可基于不同的无线网络异常对小区指标的影响情况的不同进行主因判断，从而解决了目前缺乏一类性能较好的智能根因分析手段来应对网络劣化状况的技术问题；同时，也便于后续快速解决小区指标劣化问题。
本发明实施例提供的系统实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
图5为本发明实施例提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和总线404，其中，处理器401，通信接口402，存储器403通过总线404完成相互间的通信。通信接口402可以用于电子设备的信息传输。处理器401可以调用存储器403中的逻辑指令，以执行包括如下的方法：
在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
根据所述当前影响权值从所述无线网络子因中确定无线网络主因。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种确定无线网络问题根因的方法，其特征在于，包括：
在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
根据所述当前影响权值从所述无线网络子因中确定无线网络主因；
其中，所述在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值之前，还包括：
获取概率关联信息、心跳周期信息及指标劣化关联信息；
根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值；
所述获取概率关联信息、心跳周期信息及指标劣化关联信息之前，还包括：
获取小区指标和无线网络子因；
根据概率关联法对所述小区指标与所述无线网络子因进行关联分析，以得到概率关联信息；
根据心跳关联法对所述小区指标与所述无线网络子因进行关联分析，以得到心跳周期信息；
根据皮尔逊关联法对所述小区指标与所述无线网络子因进行关联分析，以得到指标劣化关联信息。
2.根据权利要求1所述的确定无线网络问题根因的方法，其特征在于，所述根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值之后，还包括：
根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值。
3.根据权利要求2所述的确定无线网络问题根因的方法，其特征在于，所述根据预设修正系数对所述预设影响权值矩阵中的第一影响权值进行修正，以得到第二影响权值，并将所述第二影响权值作为当前影响权值之前，还包括：
获取工单分析原因和人工分析原因；
对所述工单分析原因与所述人工分析原因进行比较，以得到比较结果；
通过所述比较结果分别对与所述工单分析原因对应的初始修正系数、与所述人工分析原因对应的初始修正系数进行调整，以得到预设修正系数。
4.根据权利要求1所述的确定无线网络问题根因的方法，其特征在于，所述获取小区指标和无线网络子因之前，还包括：
获取劣化周期内的劣化指标；
对所述劣化指标进行归一化赋值，以得到指标赋值矩阵；
对无线网络子因进行小时级赋值，以得到子因赋值矩阵；
基于预设关联系数对所述子因赋值矩阵进行筛选，以得到新的子因赋值矩阵，以将所述指标赋值矩阵作为小区指标、新的子因赋值矩阵作为无线网络子因进行关联分析。
5.根据权利要求1至4中任一项所述的确定无线网络问题根因的方法，其特征在于，所述根据所述当前影响权值从所述无线网络子因中确定无线网络主因之后，还包括：
获取与所述无线网络主因对应的网络优化操作，并调用所述网络优化操作优化当前无线网络。
6.一种确定无线网络问题根因的系统，其特征在于，包括：
问题检测模块，用于在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值，其中，所述当前影响权值用于表征与所述无线网络异常对应的无线网络子因对小区指标造成的劣化影响的影响程度；
智能根因模块，用于根据所述当前影响权值从所述无线网络子因中确定无线网络主因；
其中，所述在检测到无线网络异常时，获取与所述无线网络异常对应的当前影响权值之前，所述问题检测模块还用于：
获取概率关联信息、心跳周期信息及指标劣化关联信息；
根据所述概率关联信息、所述心跳周期信息及所述指标劣化关联信息生成预设影响权值矩阵，并将所述预设影响权值矩阵中的第一影响权值作为当前影响权值；
所述获取概率关联信息、心跳周期信息及指标劣化关联信息之前，所述问题检测模块还用于：
获取小区指标和无线网络子因；
根据概率关联法对所述小区指标与所述无线网络子因进行关联分析，以得到概率关联信息；
根据心跳关联法对所述小区指标与所述无线网络子因进行关联分析，以得到心跳周期信息；
根据皮尔逊关联法对所述小区指标与所述无线网络子因进行关联分析，以得到指标劣化关联信息。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至5中任一项所述确定无线网络问题根因的方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述确定无线网络问题根因的方法的步骤。
CN202010687762.9A 2020-07-16 2020-07-16 确定无线网络问题根因的方法、系统、设备及存储介质 Active CN113950086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010687762.9A CN113950086B (zh) 2020-07-16 2020-07-16 确定无线网络问题根因的方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010687762.9A CN113950086B (zh) 2020-07-16 2020-07-16 确定无线网络问题根因的方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113950086A CN113950086A (zh) 2022-01-18
CN113950086B true CN113950086B (zh) 2023-08-01

Family

ID=79326369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010687762.9A Active CN113950086B (zh) 2020-07-16 2020-07-16 确定无线网络问题根因的方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113950086B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105634787A (zh) * 2014-11-26 2016-06-01 华为技术有限公司 网络关键指标的评估方法、预测方法及装置和系统
US9495234B1 (en) * 2013-06-14 2016-11-15 Amazon Technologies, Inc. Detecting anomalous behavior by determining correlations
CN107770797A (zh) * 2016-08-17 2018-03-06 中国移动通信集团内蒙古有限公司 一种无线网络告警管理的关联分析方法及系统
CN108271191A (zh) * 2016-12-30 2018-07-10 中国移动通信集团福建有限公司 无线网络问题根因定位方法及装置
CN110661648A (zh) * 2019-08-30 2020-01-07 北京拓明科技有限公司 基于自学习推理矩阵确定无线网络问题根因的方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10169731B2 (en) * 2015-11-02 2019-01-01 International Business Machines Corporation Selecting key performance indicators for anomaly detection analytics

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495234B1 (en) * 2013-06-14 2016-11-15 Amazon Technologies, Inc. Detecting anomalous behavior by determining correlations
CN105634787A (zh) * 2014-11-26 2016-06-01 华为技术有限公司 网络关键指标的评估方法、预测方法及装置和系统
CN107770797A (zh) * 2016-08-17 2018-03-06 中国移动通信集团内蒙古有限公司 一种无线网络告警管理的关联分析方法及系统
CN108271191A (zh) * 2016-12-30 2018-07-10 中国移动通信集团福建有限公司 无线网络问题根因定位方法及装置
CN110661648A (zh) * 2019-08-30 2020-01-07 北京拓明科技有限公司 基于自学习推理矩阵确定无线网络问题根因的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机器学习的VoLTE语音质量评价算法研究;王燃;《中国优秀硕士学位论文全文数据库》;全文 *
移动蜂窝网基站与流量空时分布规律研究;李萌;《中国优秀硕士学位论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN113950086A (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN109150564B (zh) 一种用于小区故障告警的预测方法及装置
WO2021057382A1 (zh) 一种异常检测方法、装置、终端及存储介质
CN111246564B (zh) 基于mr数据的外部干扰定位方法及装置
WO2022028120A1 (zh) 指标检测模型获取及故障定位方法、装置、设备及存储介质
CN115800272B (zh) 基于拓扑识别的电网故障分析方法、系统、终端及介质
TWI684139B (zh) 基於自動學習的基地台異常之預測的系統與方法
CN111294819A (zh) 一种网络优化方法及装置
CN114978956B (zh) 智慧城市网络设备性能异常突变点检测方法及装置
CN105917625A (zh) 使用附加数据的检测到的网络异常的分类
WO2024066331A1 (zh) 网络异常检测方法、装置、电子设备及存储介质
CN115327403A (zh) 基于新能源汽车大数据的动力电池安全性评价方法及装置
CN115878171A (zh) 中间件配置的优化方法、装置、设备及计算机存储介质
CN116739829A (zh) 一种基于大数据的电力数据分析方法、系统及介质
CN113950086B (zh) 确定无线网络问题根因的方法、系统、设备及存储介质
WO2023075806A1 (en) Method, device and computer program product for anomaly detection and root cause analysis
CN114138601A (zh) 一种业务告警方法、装置、设备及存储介质
CN117574292A (zh) 一种数据故障检测方法及系统
Khatib et al. LTE performance data reduction for knowledge acquisition
CN111654417A (zh) 评估方法及装置、存储介质、处理器、列车
CN109714196B (zh) 数据监控方法及平台
CN107147526A (zh) 智能网络故障检测方法及系统
CN114202110A (zh) 一种基于rf-xgboost的业务故障预测方法及装置
CN111327442B (zh) 基于控制图的投诉预警阈值获取方法及装置
CN111954232B (zh) 无线网络指标分类方法和装置
Ciocarlie et al. SONVer: SON verification for operational cellular networks

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