CN114095387B - 信息确定方法、装置、设备及介质 - Google Patents
信息确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114095387B CN114095387B CN202010742898.5A CN202010742898A CN114095387B CN 114095387 B CN114095387 B CN 114095387B CN 202010742898 A CN202010742898 A CN 202010742898A CN 114095387 B CN114095387 B CN 114095387B
- Authority
- CN
- China
- Prior art keywords
- value
- preset threshold
- determining
- kpi
- formula
- 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
Links
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
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- 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
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种信息确定方法、装置、设备及介质,涉及信息处理技术领域。其中,该信息确定方法包括:获取第一时刻的关键绩效指标KPI的观测值;若所述观测值满足目标劣化条件,则确定所述KPI被劣化;其中,所述目标劣化条件与所述KPI的第一预设阈值和第二预设阈值相关联。根据本申请,能够快速检测出由调整网络配置而被劣化的KPI。
Description
技术领域
本申请属于信息处理技术领域,尤其涉及一种信息确定方法、装置、设备及介质。
背景技术
随着科技的不断进步,移动通信网络得到了飞速发展。为了提升移动通信网络的服务质量,维护人员会根据网络的实际运行情况,对网络配置进行调整,以改善网络的某些关键绩效指标(Key Performance Indicators,KPI)。
当维护人员对网络配置进行调整后,可能会产生其他KPI被劣化的问题。为了及时发现其他KPI被劣化的问题,维护人员通常在调整网络配置后,对网络的KPI进行检测。
然而,网络的KPI的数量往往较多,当人工对网络的KPI进行检测时,往往不能及时检测出被劣化的KPI。
发明内容
本申请实施例提供一种信息确定方法、装置、设备及介质,可以快速检测出由调整网络配置而被劣化的KPI。
为了解决上述技术问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种信息确定方法,包括:
获取第一时刻的关键绩效指标KPI的观测值;
若所述观测值满足目标劣化条件,则确定所述KPI被劣化;
其中,所述目标劣化条件与所述KPI的第一预设阈值和第二预设阈值相关联。
第二方面,本申请实施例提供了一种信息确定装置,包括:
获取模块,用于获取第一时刻的关键绩效指标KPI的观测值;
确定模块,用于若所述观测值满足目标劣化条件,则确定所述KPI被劣化;
其中,所述目标劣化条件与所述KPI的第一预设阈值和第二预设阈值相关联。
第三方面,本申请实施例提供了一种设备,包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如第一方面所述的信息确定方法。
第四方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如第一方面所述的信息确定方法。
相较于现有技术,本申请具有以下有益效果:
在本申请实施例中,可以获取第一时刻的关键绩效指标KPI的观测值,若观测值满足目标劣化条件,则可以确定该KPI被劣化。这样,在用户调整了网络配置后,如果某KPI的观测值满足目标劣化条件,则可以自动检测出该KPI被劣化,从而可以快速检测出由调整网络配置而被劣化的KPI。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请一个实施例提供的场景示意图;
图2是本申请另一个实施例提供的信息确定方法的流程示意图;
图3是本申请另一个实施例提供的信息确定方法的流程示意图;
图4是本申请另一个实施例提供的信息确定装置的结构示意图;
图5是本申请又一个实施例提供的设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本申请,并不被配置为限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
如背景技术部分所描述的,维护人员可以根据网络的实际运行情况调整网络配置,以改善网络的某些KPI。然而,这可能会产生其他KPI被劣化的问题,即其它KPI出现了恶化现象。
例如,为了降低基站的网络负荷的KPI,可以降低基站功率参数,然而,如果基站功率的降低幅度较大,则可能劣化测量报告(Measuring Report,MR)覆盖率这一KPI,使得MR覆盖率降低,导致基站覆盖水平变低。
再例如,为了改善道路覆盖率KPI,可以提升基站发射功率这一网络配置参数,然而,如果基站发射功率的提升幅度较大,则可能劣化网络结构这一KPI。
为了及时发现由调整网络配置而被劣化的KPI,维护人员通常在调整网络配置后,对网络的KPI进行检测。然而,网络的KPI的数量往往较多,且网络配置的调整较频繁,当人工对网络的KPI进行检测时,由于检测的依据通常是人工经验,效率也不高,因此,往往不能及时检测出被劣化的KPI,甚至会出现不检测的情况,进而将会导致用户投诉。
为了解决现有技术问题,本申请实施例提供了一种信息确定方法、装置、设备及介质。
下面首先对本申请实施例所提供的信息确定方法进行介绍。
该信息确定方法的执行主体可以是一种确定装置,该确定装置可以是一种服务器或者一种终端。如图1所示,确定装置100可以获取各个KPI在不同时刻的观测值,如KPI-A、KPI-B、KPI-C,并可以在网络配置被调整后,根据不同KPI的观测值,检测出被劣化的KPI。这样,在用户调整了网络配置后,如果某KPI的观测值满足目标劣化条件,则可以自动检测出该KPI被劣化,从而可以快速检测出由调整网络配置而被劣化的KPI。
如图2所示,本申请实施例提供的信息确定方法包括以下步骤:
S210、获取第一时刻的关键绩效指标KPI的观测值。
在一些实施例中,第一时刻可以是网络配置被调整后的某一时刻,观测值可以是KPI的数值,例如,KPI的数值可以是百分比,比如0.04%、0.05%。
确定装置所检测的KPI,其关联对象可以是网络配置被调整的目标网元,例如小区、基站、交换机或路由器等网元,也可以是目标网元相关的其它网元,这里不对其进行具体限定。确定装置可以获取第一时刻的KPI的观测值,然后执行下一步骤S220。
S220、若观测值满足目标劣化条件,则确定KPI被劣化。
在一些实施例中,目标劣化条件,可以是与KPI的第一预设阈值和第二预设阈值相关联的劣化条件,第一预设阈值和第二预设阈值,可以是用于衡量KPI是否被劣化的两个数值,这样,该目标劣化条件可以用于衡量KPI是否被劣化。
例如,目标劣化条件可以是同时命中第一预设阈值和第二预设阈值,比如,对于观测值越大劣化情况越严重的KPI,如果该KPI的观测值同时大于第一预设阈值和第二预设阈值,则表明该KPI的观测值同时命中第一预设阈值和第二预设阈值,即符合目标劣化条件;相应的,如果该KPI的观测值小于第一预设阈值和/或第二预设阈值,则表明该KPI的观测值没有命中第一预设阈值和第二预设阈值,即不符合目标劣化条件。
需要说明的是,上述举例示出的目标劣化条件只是一种实现方式,目标劣化条件也可以是命中第一预设阈值或第二预设阈值中的一个,或者可以是能衡量KPI被劣化的其它条件,这里不对其进行限定。
在一些实施例中,对于第一预设阈值,其可以是对长周期数据进行计算所得到的阈值,通过第一预设阈值,可以从长周期的角度,衡量KPI是否被劣化,即KPI的观测值是否偏离了长周期内KPI值的正常范围;对于第二预设阈值,其可以是对短周期数据进行计算所得到的阈值,通过第二预设阈值,可以从短周期的角度,衡量KPI是否被劣化,即KPI的观测值是否偏离了短周期内KPI值的正常范围。
例如,在第二时刻调整了网络配置,则可以获取在第二时刻的前七天中每个小时的KPI的数据,以及第二时刻所在的当天的每个小时的KPI的数据,容易理解的是,由于检测的是由调整网络配置而被劣化的KPI,因此,上述第一时刻需要是位于第二时刻之后的一个时刻。在上述获取的KPI的数据中,长周期数据可以是前七天和当天中与第一时刻的小时相同的数据,短周期数据可以是当天中的数据。
确定装置在获取到第一时刻的某KPI的观测值后,如果该KPI的观测值满足目标劣化条件,则确定装置可以确定该KPI被劣化。相应的,如果该KPI的观测值不满足目标劣化条件,则确定装置可以确定该KPI没有被劣化。
可选的,对于第一预设阈值和第二预设阈值,其可以通过预先计算得到,相应的,在S220之前,如图3所示,还可以进行如下处理:
S310,根据第一预测算法、第二预测算法以及KPI的多个历史值,确定KPI在第一时刻的第一预测值和第二预测值。
S320,根据第一预测值、第二预测值以及KPI与劣化程度的关联关系,在预设阈值公式集合中确定第一阈值公式和第二阈值公式。
S330,根据第一阈值公式和第一预测值生成第一预设阈值,根据第二阈值公式和第二预测值生成第二预设阈值。
在一些实施例中,可以通过阈值公式和预测值,计算预设阈值。对于第一预测值,其可以通过预测算法和KPI的历史值进行计算,其中,历史值可以是第一时刻之前的KPI的观测值。对于阈值公式,可以根据预测值以及KPI与劣化程度的关联关系,在包括多个阈值公式的预设阈值公式集合中进行选取,其中,KPI与劣化程度的关联关系,是指KPI的观测值的变化趋势与劣化程度之间的关系,变化趋势可以是增加趋势或减少趋势。
具体的,可以根据第一预测算法和KPI的多个历史值,确定第一预测值。在得到第一预测值之后,可以将第一预测值代入第一阈值公式,计算得到第一预设阈值。相应的,可以通过第二阈值公式和第二预测值计算第二预设阈值,具体处理可以参见第一预设阈值的计算过程,这里不再赘述。
需要说明的是,正如上述提及的第一预设阈值是对长周期数据进行计算所得到的阈值,那么,在计算第一预设阈值的过程中,可以采用长周期类的预测算法,例如时间序列预测算法。相应的,由于第二预设阈值是对短周期数据进行计算所得到的阈值,因此,在计算第二预设阈值的过程中,可以采用短周期类的预测算法,例如灰度预测算法。
可选的,为了提高第一预测值和第二预测值的准确度,可以对KPI的多个历史值进行转换处理,相应的,上述S310的具体处理可以如下:将多个历史值中不属于预设范围的历史值转换为属于预设范围的值,得到转换后的多个转换值;根据第一预测算法、第二预测算法以及多个转换值,确定第一预测值和第二预测值。
在一些实施例中,考虑到KPI的历史值中可能存在异常值,例如,过大或过小的值,而这些异常值可能会降低预测值的准确度。为了提高预测值的准确度,可以将KPI的历史值中的异常值转换为预设范围的值,得到多个转换值。之后,可以根据多个转换值以及第一预测算法、第二预测算法,确定出第一预测值和第二预测值。
在一些实施例中,可以将多个历史值中大于第三预设阈值的历史值转换为第三预设阈值,其中,第三预设阈值可以基于多个历史值的平均值和标准差得到。
例如,可以通过如下公式计算第三预设阈值:E(X)±3*std(X),其中E(X)表示平均数,Std(X)表示标准差,“±”可以根据KPI的不同,选取“+”或者“-”,即选取E(X)+3*std(X)或者E(X)-3*std(X),计算第三预设阈值,其中,“*”表示相乘。
在一些实施例中,还可以将多个历史值中为零的第一历史值转换为第二历史值,其中,第一历史值的时刻与第二历史值的时刻为相邻时刻。例如,当按照小时为单位获取KPI的历史值时,对于具体的一天而言,可以得到24个历史值,对于7时这一时刻,其相邻时刻可以是6时,也可以是8时。
可选的,可以从相应的预设阈值公式集合中确定阈值公式,相应的,上述S320的具体处理可以如下。
在一些实施例中,当关联关系为第一关联关系时,即观测值越小劣化程度越严重,可以将第一预设阈值公式集合中与第一预测值相关联的第三阈值公式确定为第一阈值公式,可以将上述第一预设阈值公式集合中与第二预测值相关联的第四阈值公式确定为第二阈值公式。需要说明的是,第一预设阈值公式集合与第一关联关系相关联。
例如,当观测值越小劣化程度越严重时,第一阈值公式可以为 第二阈值公式可以为/>其中,a为预设常数,X1为多个历史值中的长周期类历史值,/>为长周期类历史值的平均值,Y1为第一预测值,X2为多个历史值中的短周期类历史值,X21为位于第一时刻之前的第一个时刻的短周期类历史值,X22为位于第一时刻之前的第二个时刻的短周期类历史值,Y2为第二预测值。
在一些实施例中,当关联关系为第二关联关系时,即观测值越大劣化程度越严重,可以将第二预设阈值公式集合中与第一预测值相关联的第五阈值公式确定为第一阈值公式,可以将第二预设阈值公式集合中与第二预测值相关联的第六阈值公式确定为第二阈值公式。需要说明的是,第二预设阈值公式集合与第二关联关系相关联。
例如,当观测值越大劣化程度越严重时,第一阈值公式可以为 第二阈值公式可以为/>其中,a为预设常数,X1为多个历史值中的长周期类历史值,/>为长周期类历史值的平均值,Y1为第一预测值,X2为多个历史值中的短周期类历史值,/>为多个短周期类历史值的平均值,Y2为第二预测值,Xthirdlast为位于第一时刻之前的第一个时刻的短周期类历史值。
为了更好的理解本申请实施例提供的信息确定方法,下面以网元为A小区、KPI为无线掉线率以及第一时刻之前七日的各个时刻的无线掉线率的观测值为例进行说明。
首先,可以获取A小区在第一时刻之前七日的各个时刻的无线掉线率的观测值,以及第一时刻当日的各个时刻的无线掉线率的观测值,这些观测值即上述提到的历史值。之后,可以对获取的上述历史值中的异常值进行转换处理,得到多个转换值。然后,可以利用第一预测算法对多个转换值中的长周期类转换值进行预测,得到第一预测值,可以用Y预测值(长周期)表示。相应的,可以利用第二预测算法对多个转换值中的短周期类转换值进行预测,得到第二预测值,可以用Y预测值(短周期)表示。
具体的,对于第一预测算法,其可以是时间序列预测算法,具体公式可以如下:
Y预测值(长周期)=β0+β1X1+β2X2+…+βrXr+u。
其中,X为观测值,β为权重系数,u为常数数,r为时间序列预测公式的阶数,其中,r的取值范围为1~6。
在确定Y预测值(长周期)时,针对每次预测,共存在6个候选公式,每一个r对应一个候选公式,可以采用MSE作为评价公式好坏的指标,选取MSE最小的公式,作为最终预测的实际公式,其中,MSE公式如下:
其中,为观测值,/>为预测值,m为采样点数目。
对于第二预测算法,其可以是灰度预测算法,具体公式可以如下:
假设原始数列为x(0)={x(0)(1),x(0)(2),……,x(0)(N)},则一次累加数据公式为:
累加之后,假设上式满足一阶微分方程则可以转化为求解如下函数:
其中,a、u可以通过最小二乘法求得,t为等间距,t0取1,在每次求解时,可以代入求解时刻t=当次操作时刻的下一时刻。
在求出第一预测值和第二预测值后,可以根据KPI与劣化程度的关联关系,确定出相应的第一阈值公式和第二阈值公式,进而可以得出第一预设阈值和第二预设阈值。
通过上述实施例的处理,能够取代现有的人工检测,可以监控修改范围周边的所有网元和所有关注的KPI,相对于人工检测,检测范围更全面。
此外,人工检测时,依据人工经验定义的每个KPI的劣化阈值通常为固定值,采用这些固定的劣化阈值进行检测时,如果KPI的观测值没有达到劣化阈值时,将无法发现问题。而通过本申请实施例提供的信息确定方法,可以基于动态调整的劣化阈值,即上述第一预设阈值和第二预设阈值,快速准确的检测出被劣化的KPI。
此外,本申请实施例提供的信息确定方法,检测效率高,以某地级市为例,该地级市全网一周涉及网络操作的用户500+个,操作命令100万+条,如果采用人工检测方法,无法完成监控,而通过本申请提供的信息确定方法,可以在6小时内完成全量操作所涉及的KPI的检测。
基于上述实施例提供的信息确定方法,相应地,本申请还提供了信息确定装置的具体实现方式。请参见以下实施例。
参见图4,本申请实施例提供的信息确定装置包括以下模块:
获取模块410,用于获取第一时刻的关键绩效指标KPI的观测值;
确定模块420,用于若观测值满足目标劣化条件,则确定KPI被劣化;
其中,目标劣化条件与KPI的第一预设阈值和第二预设阈值相关联。
可选的,装置还包括生成模块;
确定模块,还用于:
据第一预测算法、第二预测算法以及KPI的多个历史值,确定KPI在第一时刻的第一预测值和第二预测值;根据第一预测值、第二预测值以及KPI与劣化程度的关联关系,在预设阈值公式集合中确定第一阈值公式和第二阈值公式;
生成模块,具体用于:
根据第一阈值公式和第一预测值生成第一预设阈值,根据第二阈值公式和第二预测值生成第二预设阈值。
可选的,确定模块包括:
转换子模块,用于将多个历史值中不属于预设范围的历史值转换为属于预设范围的值,得到转换后的多个转换值;
确定子模块,用于根据第一预测算法、第二预测算法以及多个转换值,确定第一预测值和第二预测值。
可选的,转换子模块,具体用于:
将多个历史值中大于第三预设阈值的历史值转换为第三预设阈值,第三预设阈值基于多个历史值的平均值和标准差得到;
或者,将多个历史值中为零的第一历史值转换为第二历史值,第一历史值的时刻与第二历史值的时刻为相邻时刻。
可选的,确定模块,还用于:
当关联关系为第一关联关系时,将第一预设阈值公式集合中与第一预测值相关联的第三阈值公式确定为第一阈值公式,将上述第一预设阈值公式集合中与第二预测值相关联的第四阈值公式确定为第二阈值公式;其中,第一关联关系为观测值越小劣化程度越严重,第一预设阈值公式集合与第一关联关系相关联;
当关联关系为第二关联关系时,将第二预设阈值公式集合中与第一预测值相关联的第五阈值公式确定为第一阈值公式,将第二预设阈值公式集合中与第二预测值相关联的第六阈值公式确定为第二阈值公式;其中,第二关联关系为观测值越大劣化程度越严重,第二预设阈值公式集合与第二关联关系相关联。
图4提供的信息确定装置中的各个模块具有实现图2所示实施例中各个步骤的功能,并达到与图2所示信息确定方法相同的技术效果,为简洁描述,在此不再赘述。
图5为实现本申请各个实施例的一种设备的硬件结构示意图。
设备可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器502可在综合网关容灾设备的内部或外部。在特定实施例中,存储器502是非易失性固态存储器。在特定实施例中,存储器502包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以实现上述实施例中的任意一种信息确定方法。
在一个示例中,设备还可包括通信接口503和总线510。其中,如图5所示,处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者,将设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该设备可以执行本申请实施例中的信息确定方法,从而实现结合图2和图4描述的信息确定方法和装置。
本申请实施例还提供一种计算机可读存储介质,该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述信息确定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (13)
1.一种信息确定方法,其特征在于,所述方法包括:
获取第一时刻的关键绩效指标KPI的观测值;
根据所述观测值和第一预设阈值之间的大小关系,以及所述观测值和第二预设阈值之间的大小关系,确定所述观测值是否满足目标劣化条件,其中,所述目标劣化条件与所述KPI的所述第一预设阈值和所述第二预设阈值相关联,所述第一预设阈值为基于第一周期的数据进行计算得到,所述第二预设阈值为基于第二周期的数据进行计算得到,所述第一周期大于所述第二周期;
若所述观测值满足目标劣化条件,则确定所述KPI被劣化。
2.根据权利要求1所述的方法,其特征在于,所述若所述观测值满足目标劣化条件,则确定所述KPI被劣化之前,所述方法还包括:
根据第一预测算法、第二预测算法以及所述KPI的多个历史值,确定所述KPI在所述第一时刻的第一预测值和第二预测值;
根据所述第一预测值、所述第二预测值以及所述KPI与劣化程度的关联关系,在预设阈值公式集合中确定第一阈值公式和第二阈值公式;
根据所述第一阈值公式和所述第一预测值生成所述第一预设阈值,根据所述第二阈值公式和所述第二预测值生成所述第二预设阈值。
3.根据权利要求2所述的方法,其特征在于,根据第一预测算法、第二预测算法以及所述KPI的多个历史值,确定所述KPI在所述第一时刻的第一预测值和第二预测值,包括:
将所述多个历史值中不属于预设范围的历史值转换为属于所述预设范围的值,得到转换后的多个转换值;
根据所述第一预测算法、所述第二预测算法以及所述多个转换值,确定所述第一预测值和所述第二预测值。
4.根据权利要求3所述的方法,其特征在于,所述将所述多个历史值中不属于预设范围的历史值转换为属于所述预设范围的值,包括:
将所述多个历史值中大于第三预设阈值的历史值转换为所述第三预设阈值,所述第三预设阈值基于所述多个历史值的平均值和标准差得到;
或者,将所述多个历史值中为零的第一历史值转换为第二历史值,所述第一历史值的时刻与所述第二历史值的时刻为相邻时刻。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第一预测值、所述第二预测值以及所述KPI与劣化程度的关联关系,在预设阈值公式集合中确定第一阈值公式和第二阈值公式,包括:
当所述关联关系为第一关联关系时,将第一预设阈值公式集合中与所述第一预测值相关联的第三阈值公式确定为所述第一阈值公式,将上述第一预设阈值公式集合中与所述第二预测值相关联的第四阈值公式确定为所述第二阈值公式;其中,所述第一关联关系为观测值越小劣化程度越严重,所述第一预设阈值公式集合与所述第一关联关系相关联;
当所述关联关系为第二关联关系时,将第二预设阈值公式集合中与所述第一预测值相关联的第五阈值公式确定为所述第一阈值公式,将所述第二预设阈值公式集合中与所述第二预测值相关联的第六阈值公式确定为所述第二阈值公式;其中,所述第二关联关系为观测值越大劣化程度越严重,所述第二预设阈值公式集合与所述第二关联关系相关联。
6.根据权利要求2-5中任一项所述的方法,其特征在于,所述第一预测算法为时间序列预测算法,所述第二预测算法为灰度预测算法。
7.一种信息确定装置,其特征在于,所述装置包括:
获取模块,用于获取第一时刻的关键绩效指标KPI的观测值;
判断模块,用于根据所述观测值和第一预设阈值之间的大小关系,以及所述观测值和第二预设阈值之间的大小关系,确定所述观测值是否满足目标劣化条件,其中,所述目标劣化条件与所述KPI的所述第一预设阈值和所述第二预设阈值相关联,所述第一预设阈值为基于第一周期的数据进行计算得到,所述第二预设阈值为基于第二周期的数据进行计算得到,所述第一周期大于所述第二周期;
确定模块,用于若所述观测值满足目标劣化条件,则确定所述KPI被劣化。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括生成模块;
所述确定模块,还用于:
根据第一预测算法、第二预测算法以及所述KPI的多个历史值,确定所述KPI在所述第一时刻的第一预测值和第二预测值;根据所述第一预测值、所述第二预测值以及所述KPI与劣化程度的关联关系,在预设阈值公式集合中确定第一阈值公式和第二阈值公式;
所述生成模块,具体用于:
根据所述第一阈值公式和所述第一预测值生成所述第一预设阈值,根据所述第二阈值公式和所述第二预测值生成所述第二预设阈值。
9.根据权利要求8所述的装置,其特征在于,所述确定模块包括:
转换子模块,用于将所述多个历史值中不属于预设范围的历史值转换为属于所述预设范围的值,得到转换后的多个转换值;
确定子模块,用于根据所述第一预测算法、所述第二预测算法以及所述多个转换值,确定所述第一预测值和所述第二预测值。
10.根据权利要求9所述的装置,其特征在于,所述转换子模块,具体用于:
将所述多个历史值中大于第三预设阈值的历史值转换为所述第三预设阈值,所述第三预设阈值基于所述多个历史值的平均值和标准差得到;
或者,将所述多个历史值中为零的第一历史值转换为第二历史值,所述第一历史值的时刻与所述第二历史值的时刻为相邻时刻。
11.根据权利要求8所述的装置,其特征在于,所述确定模块,还用于:
当所述关联关系为第一关联关系时,将第一预设阈值公式集合中与所述第一预测值相关联的第三阈值公式确定为所述第一阈值公式,将上述第一预设阈值公式集合中与所述第二预测值相关联的第四阈值公式确定为所述第二阈值公式;其中,所述第一关联关系为观测值越小劣化程度越严重,所述第一预设阈值公式集合与所述第一关联关系相关联;
当所述关联关系为第二关联关系时,将第二预设阈值公式集合中与所述第一预测值相关联的第五阈值公式确定为所述第一阈值公式,将所述第二预设阈值公式集合中与所述第二预测值相关联的第六阈值公式确定为所述第二阈值公式;其中,所述第二关联关系为观测值越大劣化程度越严重,所述第二预设阈值公式集合与所述第二关联关系相关联。
12.一种设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-6中任意一项所述的信息确定方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6中任意一项所述的信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742898.5A CN114095387B (zh) | 2020-07-29 | 2020-07-29 | 信息确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742898.5A CN114095387B (zh) | 2020-07-29 | 2020-07-29 | 信息确定方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114095387A CN114095387A (zh) | 2022-02-25 |
CN114095387B true CN114095387B (zh) | 2023-09-05 |
Family
ID=80294887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010742898.5A Active CN114095387B (zh) | 2020-07-29 | 2020-07-29 | 信息确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114095387B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2728773A1 (de) * | 1976-06-30 | 1978-01-05 | Westport International | Funk-fernsteuereinrichtung |
CN103780415A (zh) * | 2012-10-22 | 2014-05-07 | 华为技术服务有限公司 | 关键性能指标的监控方法和装置 |
CN106100937A (zh) * | 2016-08-17 | 2016-11-09 | 北京百度网讯科技有限公司 | 系统监控方法和装置 |
CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
CN107623924A (zh) * | 2016-07-15 | 2018-01-23 | 中兴通讯股份有限公司 | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 |
CN109756352A (zh) * | 2017-11-02 | 2019-05-14 | 华为技术有限公司 | 网络质量的确定方法、装置及存储介质 |
CN110326257A (zh) * | 2017-03-01 | 2019-10-11 | 瑞典爱立信有限公司 | 使用人工生命预报关键性能指示符的方法和设备 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9282052B2 (en) * | 2013-05-29 | 2016-03-08 | Verizon Patent And Licensing Inc. | End-to-end quality of service optimization and reporting |
US20150081398A1 (en) * | 2013-09-17 | 2015-03-19 | International Business Machines Corporation | Determining a performance target setting |
US10447555B2 (en) * | 2014-10-09 | 2019-10-15 | Splunk Inc. | Aggregate key performance indicator spanning multiple services |
US10306490B2 (en) * | 2016-01-20 | 2019-05-28 | Netscout Systems Texas, Llc | Multi KPI correlation in wireless protocols |
US10552390B2 (en) * | 2017-01-06 | 2020-02-04 | International Business Machines Corporation | Root cause analysis of performance problems |
US10484918B2 (en) * | 2017-06-14 | 2019-11-19 | At&T Intellectual Property I, L.P. | Load balancing in wireless networks for improved user equipment throughput |
US10567992B2 (en) * | 2018-01-25 | 2020-02-18 | Hewlett Packard Enterprise Development Lp | Network device KPI monitors based on bitmaps |
-
2020
- 2020-07-29 CN CN202010742898.5A patent/CN114095387B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2728773A1 (de) * | 1976-06-30 | 1978-01-05 | Westport International | Funk-fernsteuereinrichtung |
CN103780415A (zh) * | 2012-10-22 | 2014-05-07 | 华为技术服务有限公司 | 关键性能指标的监控方法和装置 |
CN107623924A (zh) * | 2016-07-15 | 2018-01-23 | 中兴通讯股份有限公司 | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 |
CN106100937A (zh) * | 2016-08-17 | 2016-11-09 | 北京百度网讯科技有限公司 | 系统监控方法和装置 |
CN110326257A (zh) * | 2017-03-01 | 2019-10-11 | 瑞典爱立信有限公司 | 使用人工生命预报关键性能指示符的方法和设备 |
CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
CN109756352A (zh) * | 2017-11-02 | 2019-05-14 | 华为技术有限公司 | 网络质量的确定方法、装置及存储介质 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114095387A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7865194B2 (en) | Systems and methods for characterizing the performance of a wireless network | |
CN113918376B (zh) | 故障检测方法、装置、设备及计算机可读存储介质 | |
WO2007121375A2 (en) | Systems and methods for characterizing the performance of a wireless network | |
WO2019203704A1 (en) | Automated observational passive intermodulation (pim) interference detection in cellular networks | |
CN109996280B (zh) | 基站经纬度核查方法、装置、设备及介质 | |
CN111327450A (zh) | 一种质差原因的确定方法、装置、设备及介质 | |
CN108471625A (zh) | 物联网无线通信质量自动监测方法和实现该方法的设备 | |
CN112395120A (zh) | 异常点检测方法、装置、设备及存储介质 | |
CN114564370B (zh) | 告警阈值的确定方法、装置、设备及计算机存储介质 | |
CN114095387B (zh) | 信息确定方法、装置、设备及介质 | |
CN113784378B (zh) | 室分小区故障检测方法、装置、服务器及存储介质 | |
CN109960626B (zh) | 端口异常的识别方法、装置、设备及介质 | |
US8634965B1 (en) | Computer-based method for power system state estimation | |
CN114339603A (zh) | 定位区域的切换方法、装置、设备和存储介质 | |
JP2012178720A (ja) | 無線通信装置 | |
CN114844762A (zh) | 告警真实性检测方法和装置 | |
CN116663747B (zh) | 一种基于数据中心基础设施的智能预警方法及系统 | |
WO2022040336A1 (en) | Vegetation growth detection via radio propagation | |
JP2011211514A (ja) | 故障予測装置、故障予測方法、電磁干渉検出装置、電磁干渉検出方法、及び制御プログラム | |
JP2016091271A (ja) | 通信品質予測装置及び通信品質予測プログラム | |
US6711515B1 (en) | Robust and efficient method for smoothing measurement results | |
EP3694154A1 (en) | Sampling frequency recommendation method, device, equipment and storage medium | |
CN116614174A (zh) | 基于线性直驱的光电通信模块链路故障检测与恢复方法 | |
KR20180024523A (ko) | 이동 통신망 장애 감시 시스템 및 방법 | |
WO2000065793A1 (fr) | Instrument de mesure de la qualite d'une ligne |
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 |