CN114142923A - 光缆故障定位方法、装置、设备及可读介质 - Google Patents
光缆故障定位方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN114142923A CN114142923A CN202010917720.XA CN202010917720A CN114142923A CN 114142923 A CN114142923 A CN 114142923A CN 202010917720 A CN202010917720 A CN 202010917720A CN 114142923 A CN114142923 A CN 114142923A
- Authority
- CN
- China
- Prior art keywords
- target
- node
- fault
- optical cable
- alarm data
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0791—Fault location on the transmission path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0793—Network aspects, e.g. central monitoring of transmission parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/009—Topology aspects
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本发明实施例涉及通信传输技术领域,公开了一种光缆故障定位方法,该方法包括:获取预设时长内的传输故障告警数据,该传输故障告警数据包括至少一类故障告警数据;根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,在传输设备物理链路拓扑图中查找同时存在主告警数据的传输设备作为邻近设备对,根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位。通过上述方式,本发明提高了光缆故障定位的准确性和效率。
Description
技术领域
本发明实施例涉及通信传输技术领域,具体涉及一种光缆故障定位方法、装置、设备及可读介质。
背景技术
在移动通信、宽带通信都需要传输网络进行承载,而传输介质一般以光缆为主,光缆网络的运行情况将直接影响电信业务的运营和服务质量。
在实际应用中,由于环境的复杂多变常常出现光缆中断、光缆性能劣化、光缆符合过高等问题导致信号质量不佳或者出现中断,从而影响到用户的通信和上网体验。因此针对光缆的故障需要提出一种高效和准确的分类方法,从而及时对光缆故障进行修复。
但由于传输网络涉及不同厂家的多种设备类型,厂家网管系统底层技术私有性,不同厂家跨域跨层次的EMS网元管理系统相互独立,网管上显示的为逻辑拓扑图。
而现有技术中没有提出将“光纤物理资源”与传输网元之间的“逻辑链路”进行关联的方法,这样就导致无法将产生报警的光缆段与实际对应的设备之间的传输链路进行关联定位。并且现有技术中针对光缆故障的诊断需频繁的进行配置信息的采集,从而对告警关联规则进行更新,无法在日常运营中快速准确地实现传输全网络的光缆故障定位,这些都导致了光缆故障诊断和分类的准确率和效率都较低。
发明内容
鉴于上述问题,本发明实施例提供了一种光缆故障定位方法、装置、设备、可读介质,用于解决现有技术中存在的光缆故障定位效率低的问题。
根据本发明实施例的一个方面,提供了一种光缆故障定位方法,方法包括:
获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;
根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,在在传输设备物理链路拓扑中查找同时存在主告警数据的邻近设备对之前,进一步包括:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;
针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;
针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;
将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,进一步包括:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;
针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果,进一步包括:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;
根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,对样本点进行聚类,得到若干个目标聚类簇作为分类结果,进一步包括:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;
确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,读入所有样本点,建立目标CF树,进一步包括:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;
读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;
在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;
在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;
获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签,进一步包括:
根据预设的专家意见确定故障告警关联规则;
根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
根据本发明实施例的另一方面,提供了一种光缆故障定位装置,包括:
数据获取模块,用于获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;
告警关联模块,用于根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
故障设备查找模块,用于在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
纤芯聚类模块,用于根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
定位模块,用于根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,故障设备查找模块还用于:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;
将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,故障设备查找模块还用于:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,纤芯聚类模块还用于:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;
根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,纤芯聚类模块还用于:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,纤芯聚类模块还用于:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;
读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;
在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,故障定位模块还用于:
根据预设的专家意见确定故障告警关联规则;根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
根据本发明实施例的另一方面,提供了一种光缆故障定位设备,包括:
数据获取模块,用于获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;
告警关联模块,用于根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
故障设备查找模块,用于在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
纤芯聚类模块,用于根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
定位模块,用于根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,故障设备查找模块还用于:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;
针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;
针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,故障设备查找模块还用于:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,纤芯聚类模块还用于:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,纤芯聚类模块还用于:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;
确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,纤芯聚类模块还用于:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;
读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;
在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;
在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;
获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,定位模块还用于:
根据预设的专家意见确定故障告警关联规则;
根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
根据本发明实施例的又一方面,提供了一种计算机可读存储介质,存储介质中存储有至少一可执行指令,可执行指令使光缆故障定位设备/装置执行以下操作:
获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;
根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;
针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;
针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;
将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;
针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;
根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;
确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;
读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;
在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;
在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;
获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
根据预设的专家意见确定故障告警关联规则;
根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
本发明实施例通过获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
通过上述过程,本发明能够基于连接各设备之间的光缆段信息的物理拓扑图实现出现同一故障类型的光缆段的聚类,从而弥补了现有技术中缺乏建立各传输设备之间的光缆连接信息拓扑图所导致的光缆故障定位的低效和准确率低。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明光缆故障定位方法实施例的流程图;
图2示出了一个实施例中确定目标关联规则的流程图;
图3示出了一个实施例中确定传输设备物理链路拓扑图的流程图;
图4示出了一个实施例中确定传输设备物理链路拓扑图的流程图;
图5示出了一个实施例中确定分类结果的流程图;
图6示出了一个实施例中确定目标CF树的流程图;
图7示出了一个实施例中进行光缆段的故障定位的流程图;
图8示出了本发明光缆故障定位装置实施例的结构示意图;
图9示出了本发明光缆故障定位设备实施例的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
图1示出了本发明光缆故障定位方法实施例的流程图,该方法由计算机处理设备执行。具体的计算机处理设备可以包括笔记本电脑、手机等。如图1所示,该方法包括以下步骤110-150:
步骤110:获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据。
首先,告警数据采集的预设时长的设定可以综合考虑告警采集的时延、相关的告警类型产生的时间差等因素,从而避免时间阈值过长导致的接收到过多的无关告警,以及预设时间过短导致的告警量过少,无法进行告警之间的关联规则的挖掘。可以根据历史告警数据进行自适应地调整。
同时考虑到告警数据的数量庞大,在采集到待分类告警数据之后可以先按照地区分类,如属于A市的、属于B市等以此类推,然后针对特定地区如A市的告警数据进行分析和光缆故障定位。
步骤120:根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则。
具体的步骤120中确定目标关联规则的过程可以包括图2示出的步骤1201-步骤1209。图2示出了一个实施例中确定目标关联规则的流程图。
步骤1201:对传输故障告警数据进行过滤,得到待分类告警数据。
首先,获取预设时长内各个传输设备的端口告警数据,端口告警数据中包括多个告警数据项,确定对应于空闲端口的端口告警数据进行过滤,得到待分类告警数据。然后将传输设备上报告警所对应的端口与资源管理系统中的端口管理模块信息进行比照,过滤掉空闲端口告警。
步骤1202:确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型。
在具体的实施例中,传输设备的端口告警数据包含的常见告警类型一般包括线路告警、支路告警、保护倒换告警、时钟告警、设备告警等。此处的待分类告警数据对应的目标告警类型可能为线路告警、支路告警、保护倒换告警。
步骤1203:针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1。每一条端口告警数据称为一个告警数据项。
步骤1204:确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1。
步骤1205:将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2。
此处的自连接是指将1项频繁集L1与1项频繁集L1自连接使两个不同的项组成2项集,所有的2项集组成候选2项集集合C2。
步骤1206:若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除。
这里用到的规则是Apriori算法中的先验原理:如果一个项集不是频繁项集,那么该项集的超集也必定不是频繁项集;如果一个项集是频繁项集,那么该项集的子集也是频繁项集,利用Apriori算法这两条先验原理可以大大减少候选频繁项集的数量。
步骤1207:获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2。
步骤1208:以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合。
步骤1209:确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
首先,针对置信度进行说明:置信度confidence=P(B|A)=P(AB)/P(A),指的是发生事件A的基础上发生事件B的概率。此处根据最大频繁项集确定目标关联规则的过程如下:首先,找出后件只有一个项的所有满足置信度要求的规则。对于那些后件只有一项(假设为a)、不满足置信度要求的规则,则直接剔除掉所有后件中包含a的规则。然后通过合并两个规则后件生成新的候选规则,然后判断其是否满足置信度要求,同样的,剔除掉那些不满足置信度要求的候选规则,以及这些规则中后件的超集对应的规则。按照前两步的方式,通过逐步合并规则后件生成候选规则,然后对这些候选规则进行筛选,得到满足置信度要求的规则。
在可选的实施例中,根据待分类告警数据挖掘出目标关联规则还可以通过DHP(Direct Hashing Pruning)算法等改进算法以及基于深度优先搜索策略的FP-Growth算法,ECLAT算法,COFI算法等算法。
在标记出存在告警数据的设备时,可以利用各个告警项之间的关联规则确定出各种目标告警类型下各个频繁项集所对应的主告警数据作为需要进行分析和聚类的关键指标,由此过滤掉无关的告警数据。
故障主告警是个告警集合,如:当纤芯中断时,设备两端可能会产生大量的线路告警(多个告警项),利用关联规则挖掘算法如Apriori算法确定这些线路告警中的频繁项(即线路告警的关键指标)组成频繁项集。根据每个频繁项集可以衍生出一条相应告警类型的故障主告警,并且挖掘出对应的关联规则。各个目标告警类型之下都对应于一条关键指标,即主告警数据项。而根据目标关联规则可以确定出各个满足支持度的频繁项集均包含的项作为主告警数据项。
步骤130:在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图。
在现有的传输网络中包含有数量众多的不同类型的传输设备,而这些设备通过纤芯相连,一条光缆段中一般包括多条纤芯,每条纤芯用于连接两个传输设备,也就是说一条光缆段可能承载了若干对不同设备对之间的连接和信号传输。
具体的传输设备指PTN,SDH等设备,不同的传输设备的端口之间是通过光纤线芯传送信息的,因此为了更好地根据产生告警数据的传输设备分类出存在特定类型的故障光缆段,首先需要确定出各个设备之间的连接关系,组成一个目标光纤传输网络。
因此在进行故障光缆的分类和定位之前需要进行传输设备物理链路拓扑图的确定,具体的可以通过BGLL算法根据各个设备之间的纤芯连接信息确定。
传输设备对应的传输设备物理链路拓扑图的过程还包括图3示出的步骤1301-步骤1306。图3示出了一个实施例中确定传输设备物理链路拓扑图的流程图。
首先对BGLL算法进行说明,BGLL算法也叫社团发现算法,是一种基于模块度概念提出的能够用于加权网络的层次化社团结构分析的凝聚算法。
步骤1301:将传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重。
传输设备之间的连接关系指的是各个传输设备的端口之间的连接。
即首先进行传输设备物理链路拓扑图的初始化分配,给各个节点分配一个社团编号,各个节点都被视为一个社团。
步骤1302:针对各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量。
具体的,模块度(记作Q)的计算公式如下:
其中m为第一目标网络的总边数,Aij表示节点i、j之间的权值(在无向网络中权值为1),ki、kj分别表示网络中节点i、j的权值之和,Ci、Cj分别表示i、j所属的社团。
可知,若节点i、j在同一个社团中,则δ(Ci,Cj)=1,否则δ(Ci,Cj)=0。Q∈(0,1),可见模块度Q越大代表网络的社团结构强度越大,社团划分质量越好。
对应的,每一次节点移动一个孤立节点到其邻居所在的社团模块度增量(记为ΔQ)的计算过程如下:
其中∑in是社团内部所有边的权重之和,∑tot是与社团内部所有节点相关联的边的权重之和,ki是所有与节点i相关联的边的权重之和,ki,in是节点i与社团相连接的所有边的权重和,m是第一目标网络中所有边的权重之和。
步骤1303:针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量。
步骤1304:针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化。
步骤1305:将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和。
步骤1306:针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
综合步骤1304和1305进行说明,采取迭代的方式,将用第一部分所划分出来的社区当作节点组成一个新的网络。新节点之间的边的权重为两个新节点之间(其实是两个社区之间)原本的权重之和。处在同一个社区中的节点之间的边导致新网络中该新节点有自环的边。然后对于构建的新网络使用第一部分的方法进行迭代。当网络不再改变也就是出现了最大模块度的时候停止迭代。
在可选的实施例中,此处的传输设备物理链路拓扑图的生成的所用的社团发现算法不仅限于前述步骤中的BGLL算法,还可以是Newman快速算法、CNM算法、MSG-MV算法、GN算法、EO算法等其他社团划分算法。
基于前述传输设备物理链路拓扑图,在相互之间存在共同纤芯连接,并且都上报了主告警数据项的传输设备之间的光缆段的连接纤芯很可能出现了同一类型的故障,因此需要进行将各个目标设备对之间的光缆段信息进行聚类分析。
步骤140:根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果。
即每一段光缆段中包括多根纤芯,各个纤芯连接不同的设备,如光缆段1中可能包含10根纤芯,其中有4根纤芯所连接的设备上报了主告警数据项,而这4根纤芯分别对应的目标设备对为1-2、1-3、2-5、4-5,对应的目标告警类型分别为线路告警、线路告警、线路告警、倒换告警。
因此可以获取故障纤芯率即为该光缆段中存在该告警类别的纤芯数与该光缆段中所有在用(非空闲)的纤芯数的比值,对各个光缆段中各个告警类型和各个类型下的纤芯故障率进行聚类,从而确定出哪些纤芯对应的是同一种故障类型。
具体的步骤140可以包括图4示出的步骤1401-步骤1405。图4示出了一个实施例中确定传输设备物理链路拓扑图的流程图。
步骤1401:根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数。
步骤1402:根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率。
此处的光缆段中存在的各个目标告警类型对应的纤芯数是指该目标告警类型下对应的故障纤芯数。
步骤1403:将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值。
步骤1404:根据各个光缆段中存在的各个目标告警类别总数确定多维向量的维度数。
步骤1405:根据维度数和各个维度的值确定各个光缆段对应的样本点。
为了根据故障类型对产生告警的纤芯所在的光缆段进行聚类,需要将每个光缆段中涉及的故障告警及对应的纤芯信息进行汇总,各个光缆段对应生成一个多维向量xi,向量的维度由该光缆段中产生的目标告警类别的数量决定,每个维度的值由存在该维度对应的告警类别的纤芯数决定(故障纤芯数/所有在用纤芯数),从而将每个光缆段向量xi作为一个样本点
步骤1406:根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一个具体的实施例中,对待聚类样本点进行聚类的方法可以是BIRCH聚类,生成相应的CF-树(聚类特征树),优化后得到最后根节点的组数(即最终类别数)即为最终的目标聚类簇的簇数即为故障的分类数。
首先,在BIRCH聚类中,给定N个d维的数据点{X1,X2,...,Xn},其中N>0,d>0;
可选的,还可以根据三元组(N,LS,SS)计算出簇半径:
然后,其他各节点按照距离远近开始加入,当加入一个节点时,按照簇中心和簇半径公式计算出簇半径和预设的簇半径阈值B进行比较,若该值大于阈值,则不进行插入,把新来的节点作为一个新的簇。
同样若该节点此时的子节点个数因为插入而增加并大于预设阈值T的时候,该簇按照平衡迭代减少及层次聚类算法即BIRCH算法分裂方式进行分裂
依次执行上述过程,直到区域内所有节点都执行完毕。
根据上述原理,在一个具体的实施例中进行BIRCH分析,确定目标聚类簇的过程包括图5示出的步骤14051-步骤14055。图5示出了一个实施例中确定分类结果的流程图。
步骤14051:读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个节点对应一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和。
步骤14052:删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点。
步骤14053:将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并。
步骤14054:通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化。
在一个具体的实施例中,聚类算法可以采用K-means算法等分类结果不受样本点读入顺序影响的分类算法,以此消除由于样本读入顺序所导致的不合理的树结构,以及一些由于节点CF个数限制导致的树结构分裂。
步骤14055:确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
首先,步骤14051中根据BIRCH聚类确定目标CF树的过程可以包括生成和分裂,即图6中示出的步骤140511-步骤1405110。图6示出了一个实施例中确定目标CF树的流程图。
步骤140511:确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T。
此处的最大样本半径阈值T是针对叶子节点中某个CF中的样本点来说的,在这个CF中的所有样本点一定要在半径小于T的一个超球体(即簇)内。
步骤140512:读入第一个样本点,生成第一CF三元组作为CF1。
步骤140513:读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T。
步骤140514:在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据。
步骤140515:在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2。
步骤140516:依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF。
步骤140517:计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中。
步骤140518:获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中。
步骤140519:若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同。
步骤1405110:生成CF和分裂直至所有样本点均进入目标CF树。
对上述步骤综合进行说明即BIRCH聚类分为插入和分裂两个过程。
首先读入第一个样本点,将它放入一个新的CF三元组,将这个新的CF作为根节点。然后从根节点向下寻找和新样本距离最近的叶子节点和叶子节点里最近的CF节点。
如果新样本加入后,这个CF节点对应的簇半径仍然满足小于T,则更新路径上所有的CF三元组,插入结束,否则进入下一步。如果当前叶子节点的CF节点个数小于L,则创建一个新的CF节点,放入新样本,将新的CF节点放入这个叶子节点,更新路径上所有的CF三元组,插入结束。否则进入下一步。将当前叶子节点划分为两个新叶子节点,选择旧叶子节点中所有CF元组里簇距离最远的两个CF元组,分布作为两个新叶子节点的第一个CF节点。将其他元组和新样本元组按照距离远近原则放入对应的叶子节点。依次向上检查父节点是否也要分裂,如果需要按和叶子节点分裂方式相同。
步骤150:根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。步骤150可以包括图7示出的步骤1501-步骤1502。图7示出了一个实施例中进行光缆段的故障定位的流程图。
步骤1501:根据预设的专家意见确定故障告警关联规则。
步骤1502:根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。即,聚类后对应的输出就是目标CF树中的若干个CF节点,每个节点对应于一个目标聚类簇,一个节点中的样本点即对应于同一个聚类。确定各个目标聚类簇所对应的目标光缆故障类型可以是根据预设的专家意见确定各个目标聚类簇对应的光缆故障类型标签。
可选的故障类型标签可以包括光缆全部中断、部分光缆中断、光缆性能劣化、光缆负荷过高、光缆无故障等。最终输出的目标光缆故障定位结果即是确定出了在整个传输设备物理链路拓扑图中哪些光缆段发生了相同的哪种类型的故障,而这是由纤芯承载信息确定的。
图8示出了本发明光缆故障定位装置实施例的结构示意图。如图8所示,该装置200包括:数据获取模块210、告警关联模块220、设备查找模块230、纤芯聚类模块240、故障定位模块250。
其中,数据获取模块210,用于获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;告警关联模块220,用于根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;故障设备查找模块230,用于在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;纤芯聚类模块240,用于根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
故障定位模块250,用于根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,故障设备查找模块230还用于:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;
针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;
针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;
将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,故障设备查找模块230还用于:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;
针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,纤芯聚类模块240还用于:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,纤芯聚类模块240还用于:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,纤芯聚类模块240还用于:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;
在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,故障定位模块250还用于:
根据预设的专家意见确定故障告警关联规则;根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
图9示出了本发明光缆故障定位设备实施例的结构示意图,本发明具体实施例并不对光缆故障定位设备的具体实现做限定。
如图9所示,该光缆故障定位设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序410,具体可以执行上述用于光缆故障定位方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机可执行指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。光缆故障定位设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以被处理器402调用使光缆故障定位设备执行以下操作:
获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;
根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;
根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;
针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;
针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;
将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
对传输故障告警数据进行过滤,得到待分类告警数据;
确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;
针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;
根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;
确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,程序410被处理器402调用使光缆故障定位设备执行以下操作:
根据预设的专家意见确定故障告警关联规则;
根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
本发明实施例提供了一种计算机可读存储介质,存储介质存储有至少一可执行指令,该可执行指令在光缆故障定位设备/装置上运行时,使得光缆故障定位设备/装置执行上述任意方法实施例中的光缆故障定位方法。
可执行指令具体可以用于使得光缆故障定位设备/装置执行以下操作:
可执行指令使光缆故障定位设备/装置执行以下操作:
获取预设时长内的传输故障告警数据,其中,传输故障告警数据包括至少一类故障告警数据;根据传输故障告警数据对应的目标关联规则确定至少一类故障告警数据对应的主告警数据,目标关联规则为预先建立的故障告警数据与主告警数据之间的关联规则;
在传输设备物理链路拓扑中查找同时存在主告警数据的传输设备作为邻近设备对,获取邻近设备对之间的光缆段的承载纤芯信息,其中,传输设备物理链路拓扑图为预先建立的包括传输设备及传输设备之间的物理链路的拓扑图;
根据邻近设备对之间的承载纤芯信息,对每段光缆段中的至少一类故障告警数据对应的告警类型及告警类型对应的承载纤芯信息进行聚类,得到分类结果;根据分类结果及至少一类故障告警数据的告警信息以及故障告警关联规则进行光缆段的故障定位,其中,故障告警关联规则包括分类结果及对应的光缆故障定位标签。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
将各个传输设备分别作为第一目标网络中的各个节点,其中,第一目标网络中各个节点划分为一个独立的社团,根据端口连接信息确定第一目标网络中各个节点之间连接边的权重;针对第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时第一目标网络的模块度增量;针对第一目标网络中的各个节点,将该节点移动到使第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第一目标网络在出现节点移动的情况下模块度不再变化;将第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对第二目标网络中的各个节点,将该节点移动到使第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至第二目标网络中直至第二目标网络在出现节点移动的情况下模块度不再变化,将第二目标网络确定为传输设备物理链路拓扑图。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
对传输故障告警数据进行过滤,得到待分类告警数据;确定待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;针对每个目标告警类型,将待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;确定最小置信度阈值min_conf,获取Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为目标关联规则。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
根据承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;根据各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定该光缆段中存在的各个目标告警类型对应的故障纤芯率;将故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;根据各个光缆段中存在的目标告警类别数量确定多维向量的维度数;
根据维度数和各个维度的值确定各个光缆段对应的样本点,对样本点进行聚类,得到若干个目标聚类簇作为分类结果。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
读入所有样本点,建立目标CF树,目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除目标CF树中样本点数量少于预设样本点数量阈值的CF节点;将目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;通过预设的聚类算法对目标CF树中所有CF三元组进行聚类,以对目标CF树进行优化;确定优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与初始质心点的距离分配到最近的节点上,得到目标聚类簇。
在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
确定目标CF树的形态参数,形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;读入第一个样本点,生成第一CF三元组作为CF1;读入第二个样本点,确定第二个样本点与CF1间的距离是否小于T;在第二个样本点与CF1间的距离小于T的情况下,将第二样本点归入CF1,更新第一CF三元组的数据;在第二个样本点与CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将第二样本点归入CF2;依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;计算剩余CF到这两个距离最大的两个CF之间的距离,距离近的分到一个节点中;获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;生成CF和分裂直至所有样本点均进入目标CF树。
在一种可选的方式中,在一种可选的方式中,可执行指令还使光缆故障定位设备/装置执行以下操作:
根据预设的专家意见确定故障告警关联规则;根据故障告警关联规则确定各个目标聚类簇对应的目标光缆故障类型。
本发明实施例提供一种光缆故障定位装置,用于执行上述光缆故障定位方法。
本发明实施例提供了一种计算机程序,计算机程序可被处理器调用使光缆定位设备执行上述任意方法实施例中的光缆故障定位方法。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令在计算机上运行时,使得计算机执行上述任意方法实施例中的光缆故障定位方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在各个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的各个特征可以由提供相同、等同或相似目的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的多个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种光缆故障定位方法,其特征在于,所述方法包括:
获取预设时长内的传输故障告警数据,其中,所述传输故障告警数据包括至少一类故障告警数据;
根据所述传输故障告警数据对应的目标关联规则确定所述至少一类故障告警数据对应的主告警数据,所述目标关联规则为预先建立的所述故障告警数据与所述主告警数据之间的关联规则;
在传输设备物理链路拓扑中查找同时存在所述主告警数据的传输设备作为邻近设备对,获取所述邻近设备对之间的光缆段的承载纤芯信息,其中,所述传输设备物理链路拓扑图为预先建立的包括传输设备及所述传输设备之间的物理链路的拓扑图;
根据所述邻近设备对之间的承载纤芯信息,对每段光缆段中的所述至少一类故障告警数据对应的告警类型及所述告警类型对应的承载纤芯信息进行聚类,得到分类结果;
根据所述分类结果及所述至少一类故障告警数据的告警信息以及故障告警关联规则进行所述光缆段的故障定位,其中,所述故障告警关联规则包括所述分类结果及对应的光缆故障定位标签。
2.根据权利要求1所述的光缆故障定位方法,其特征在于,在所述在传输设备物理链路拓扑中查找同时存在所述主告警数据的邻近设备对之前,进一步包括:
将各个传输设备分别作为第一目标网络中的各个节点,其中,所述第一目标网络中各个节点划分为一个独立的社团,根据所述端口连接信息确定所述第一目标网络中各个节点之间连接边的权重;
针对所述第一目标网络中的各个节点,计算将该节点从其所在的社团移动到其邻居节点所在的社团时所述第一目标网络的模块度增量;
针对所述第一目标网络中的各个节点,将该节点移动到使所述第一目标网络的模块度增量最大且非负的邻居节点所在的社团,直至所述第一目标网络在出现节点移动的情况下模块度不再变化;
将所述第一目标网络中包含的各个社团确定为第二目标网络中的各个节点,所述第二目标网络中节点间的边权重为该节点对应的第一目标网络中的社团间所有边的权重之和,所述第二目标网络中的节点的环的权重为第一目标网络中的社团内节点间的边的权重之和;
针对所述第二目标网络中的各个节点,将该节点移动到使所述第二目标网络的模块度增量最大且非负的邻居节点所在的社团,直至所述第二目标网络中直至所述第二目标网络在出现节点移动的情况下模块度不再变化,将所述第二目标网络确定为所述传输设备物理链路拓扑图。
3.根据权利要求1所述的光缆故障定位方法,其特征在于,所述根据所述传输故障告警数据对应的目标关联规则确定所述至少一类故障告警数据对应的主告警数据,进一步包括:
对所述传输故障告警数据进行过滤,得到待分类告警数据;
确定所述待分类告警数据中各类故障告警数据对应的告警类型作为目标告警类型;
针对每个目标告警类型,将所述待分类告警数据中该目标告警类型下的每个告警数据项作为候选1项集C1,第i个候选1项集记为C1(i),其集合为C1;
确定最小支持度阈值min_sup,当C1的支持度support_count(C1)大于或等于min_sup时,则C1成为频繁1项集l1,获取所有l1的集合作为L1;
将L1进行自连接生成候选2项集C2,获取所有C2的集合作为C2;
若C2中存在第i个候选2项集C2(i)的某个子集为第x个候选1项集C1(x),且该子集不是L1的元素时,则将C2(i)从C2中删除;
获取支持度满足min_sup的C2作为频繁2项集l2,获取所有l2集合作为L2;
以此类推循环,得到不同频繁项集l2、l3、……lk-1、lk的集合L2、L3……Lk-1、Lk,其中lk-1、lk分别代表频繁k-1项集和频繁k项集,Lk-1、Lk为它们各自的集合;
确定最小置信度阈值min_conf,获取所述Lk的每个非空子集作为s,若存在子集(Lk-s)与s的支持度的比值大于或等于min_conf,则输出强关联规则作为所述目标关联规则。
4.根据权利要求1所述的光缆故障定位方法,其特征在于,所述根据所述邻近设备对之间的承载纤芯信息,对每段光缆段中的所述至少一类故障告警数据对应的告警类型及所述告警类型对应的承载纤芯信息进行聚类,得到分类结果,进一步包括:
根据所述承载纤芯信息确定每段光缆段中各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数;
根据所述各个目标告警类别对应的纤芯数和该光缆段中使用中的纤芯数确定所述该光缆段中存在的各个目标告警类型对应的故障纤芯率;
将所述故障纤芯率作为各个光缆段对应的多维向量的各个维度的值;
根据所述各个光缆段中存在的目标告警类别数量确定所述多维向量的维度数;
根据所述维度数和所述各个维度的值确定各个光缆段对应的样本点,对所述样本点进行聚类,得到若干个目标聚类簇作为分类结果。
5.根据权利要求4所述的光缆故障定位方法,其特征在于,所述对所述样本点进行聚类,得到若干个目标聚类簇作为分类结果,进一步包括:
读入所有所述样本点,建立目标CF树,所述目标CF树由一或多个CF节点组成,各个CF节点包含一或多个CF三元组,其中,各个CF节点对应于一个目标光缆故障类型,各个CF三元组对应于一个样本点,单个CF节点对应3个聚类特征,用(N,LS,SS)表示,N为该CF节点对应的目标光缆故障类型对应的光缆段数量,LS为该CF节点对应的目标光缆故障类型对应的各个光缆段的各维度的向量和,SS为该CF节点对应的目标光缆故障类型对应的光缆段的各维度的平方和;
删除所述目标CF树中样本点数量少于预设样本点数量阈值的CF节点;
将所述目标CF树中各个CF节点对应的簇之间距离小于预设距离阈值的CF元组进行合并;
通过预设的聚类算法对所述目标CF树中所有CF三元组进行聚类,以对所述目标CF树进行优化;
确定所述优化后的目标CF树的所有CF节点的质心作为初始质心点,将所有样本点根据与所述初始质心点的距离分配到最近的节点上,得到所述目标聚类簇。
6.根据权利要求5所述的光缆故障定位方法,其特征在于,所述读入所有所述样本点,建立目标CF树,进一步包括:
确定所述目标CF树的形态参数,所述形态参数包括内部节点的最大CF数B、叶子节点的最大CF数L、叶节点每个CF的最大样本半径阈值T;
读入第一个样本点,生成第一CF三元组作为CF1;
读入第二个样本点,确定所述第二个样本点与所述CF1间的距离是否小于T;
在所述第二个样本点与所述CF1间的距离小于T的情况下,将所述第二样本点归入所述CF1,更新所述第一CF三元组的数据;
在所述第二个样本点与所述CF1间的距离大于T的情况下,生成第二CF三元组作为CF2,将所述第二样本点归入所述CF2;
依次读入剩余的样本点,若存在新样本点归入某节点后,距离所有CF节点的质心的距离都大于T,并且CF个数在生成新CF后大于B,找到该节点分支内各个CF之间的距离最大的两个CF,分别作为两个新叶子结点的CF;
计算剩余CF到这两个所述距离最大的两个CF之间的距离,距离近的分到一个节点中;
获取该分支内各个三元组之间的距离最大的两个三元组,分别作为两个新叶子节点的CF,计算剩余所述CF树中剩余的CF到这两个CF之间的距离,距离近的分到一个节点当中;
若节点分裂过后叶子节点个数大于L,则对该节点进行分裂,分裂方式和上一步相同;
生成CF和分裂直至所有所述样本点均进入所述目标CF树。
7.根据权利要求1所述的光缆故障定位方法,其特征在于,所述根据所述分类结果及所述至少一类故障告警数据的告警信息以及故障告警关联规则进行所述光缆段的故障定位,其中,所述故障告警关联规则包括所述分类结果及对应的光缆故障定位标签,进一步包括:
根据预设的专家意见确定所述故障告警关联规则;
根据所述故障告警关联规则确定所述各个目标聚类簇对应的目标光缆故障类型。
8.一种光缆故障定位装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设时长内的传输故障告警数据,其中,所述传输故障告警数据包括至少一类故障告警数据;
告警关联模块,用于根据所述传输故障告警数据对应的目标关联规则确定所述至少一类故障告警数据对应的主告警数据,所述目标关联规则为预先建立的所述故障告警数据与所述主告警数据之间的关联规则;
故障设备查找模块,用于在传输设备物理链路拓扑中查找同时存在所述主告警数据的传输设备作为邻近设备对,获取所述邻近设备对之间的光缆段的承载纤芯信息,其中,所述传输设备物理链路拓扑图为预先建立的包括传输设备及所述传输设备之间的物理链路的拓扑图;
纤芯聚类模块,用于根据所述邻近设备对之间的承载纤芯信息,对每段光缆段中的所述至少一类故障告警数据对应的告警类型及所述告警类型对应的承载纤芯信息进行聚类,得到分类结果;
故障定位模块,用于根据所述分类结果及所述至少一类故障告警数据的告警信息以及故障告警关联规则进行所述光缆段的故障定位,其中,所述故障告警关联规则包括所述分类结果及对应的光缆定位标签。
9.一种光缆故障定位设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的光缆故障定位方法的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在所述光缆故障定位设备上运行时,使得所述光缆故障定位设备执行如权利要求1-7任意一项所述的光缆故障定位方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010917720.XA CN114142923B (zh) | 2020-09-03 | 2020-09-03 | 光缆故障定位方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010917720.XA CN114142923B (zh) | 2020-09-03 | 2020-09-03 | 光缆故障定位方法、装置、设备及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114142923A true CN114142923A (zh) | 2022-03-04 |
CN114142923B CN114142923B (zh) | 2023-08-15 |
Family
ID=80438508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010917720.XA Active CN114142923B (zh) | 2020-09-03 | 2020-09-03 | 光缆故障定位方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114142923B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637793A (zh) * | 2022-05-19 | 2022-06-17 | 四川观想科技股份有限公司 | 一种基于大数据分析的装备故障频发区域定位方法 |
CN116405110A (zh) * | 2023-06-06 | 2023-07-07 | 四川天中星航空科技有限公司 | 一种多芯光缆故障定位分析设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101090296A (zh) * | 2007-07-31 | 2007-12-19 | 亿阳信通股份有限公司 | 光缆中断诊断方法和装置 |
US20130004179A1 (en) * | 2011-07-01 | 2013-01-03 | Certusview Technologies, Llc | Neighborhood node mapping methods and apparatus for ingress mitigation in cable communication systems |
CN107579771A (zh) * | 2017-09-26 | 2018-01-12 | 中国人民解放军国防信息学院 | 一种基于单条告警向前回溯的光纤传送网智能告警方法 |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN108593260A (zh) * | 2018-04-24 | 2018-09-28 | 国家电网公司 | 光缆线路故障定位和检测方法及终端设备 |
CN111565068A (zh) * | 2020-05-14 | 2020-08-21 | 浪潮天元通信信息系统有限公司 | 一种基于otdr进行大数据分析的光缆故障定位及推送方法 |
-
2020
- 2020-09-03 CN CN202010917720.XA patent/CN114142923B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101090296A (zh) * | 2007-07-31 | 2007-12-19 | 亿阳信通股份有限公司 | 光缆中断诊断方法和装置 |
US20130004179A1 (en) * | 2011-07-01 | 2013-01-03 | Certusview Technologies, Llc | Neighborhood node mapping methods and apparatus for ingress mitigation in cable communication systems |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN107579771A (zh) * | 2017-09-26 | 2018-01-12 | 中国人民解放军国防信息学院 | 一种基于单条告警向前回溯的光纤传送网智能告警方法 |
CN108593260A (zh) * | 2018-04-24 | 2018-09-28 | 国家电网公司 | 光缆线路故障定位和检测方法及终端设备 |
CN111565068A (zh) * | 2020-05-14 | 2020-08-21 | 浪潮天元通信信息系统有限公司 | 一种基于otdr进行大数据分析的光缆故障定位及推送方法 |
Non-Patent Citations (2)
Title |
---|
CHUN-KWON LEE: "Multi-core cable fault diagnosis using cluster time-frequency domain reflectometry", 《 2018 IEEE INTERNATIONAL INSTRUMENTATION AND MEASUREMENT TECHNOLOGY CONFERENCE (I2MTC)》 * |
钱大琳等: "光纤线路运行维护智能系统研究", 《中国安全科学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637793A (zh) * | 2022-05-19 | 2022-06-17 | 四川观想科技股份有限公司 | 一种基于大数据分析的装备故障频发区域定位方法 |
CN116405110A (zh) * | 2023-06-06 | 2023-07-07 | 四川天中星航空科技有限公司 | 一种多芯光缆故障定位分析设备 |
CN116405110B (zh) * | 2023-06-06 | 2023-08-15 | 四川天中星航空科技有限公司 | 一种多芯光缆故障定位分析设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114142923B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hernández et al. | Classification of graph metrics | |
CN108876034B (zh) | 一种改进的Lasso+RBF神经网络组合预测方法 | |
US8495201B2 (en) | Assigning telecommunications nodes to community of interest clusters | |
US20140075002A1 (en) | Methods for clustering networks based on topology discovery and devices thereof | |
CN111309824A (zh) | 实体关系图谱显示方法及系统 | |
CN112765477B (zh) | 信息处理、信息推荐的方法和装置、电子设备和存储介质 | |
CN114142923B (zh) | 光缆故障定位方法、装置、设备及可读介质 | |
CN105721228A (zh) | 基于快速密度聚类的电力通信网节点重要性评估方法 | |
CN113190939B (zh) | 基于多边形系数的大型稀疏复杂网络拓扑分析和简化方法 | |
CN103888541A (zh) | 一种融合拓扑势和谱聚类的社区发现方法及系统 | |
CN113326946A (zh) | 更新应用识别模型的方法、装置及存储介质 | |
CN111327480B (zh) | 移动边缘环境下的Web服务多元QoS监控方法 | |
CN104965846B (zh) | MapReduce平台上的虚拟人建立方法 | |
CN112532408B (zh) | 提取故障传播条件的方法、装置及存储介质 | |
CN111817971A (zh) | 一种基于深度学习的数据中心网络流量拼接方法 | |
CN114401516A (zh) | 一种基于虚拟网络流量分析的5g切片网络异常检测方法 | |
CN108470251B (zh) | 基于平均互信息的社区划分质量评价方法及系统 | |
CN117221087A (zh) | 告警根因定位方法、装置及介质 | |
CN111600752A (zh) | 一种电力通信业务可靠性优化方法及相关装置 | |
CN111917589B (zh) | 一种电力通信网络资源备份方法及相关装置 | |
CN115455302A (zh) | 一种基于优化图注意网络的知识图谱推荐方法 | |
CN113886547A (zh) | 基于人工智能的客户实时对话转接方法、装置和电子设备 | |
CN114997327A (zh) | 目标对象的分类方法、装置、存储介质以及电子设备 | |
CN115878989A (zh) | 模型训练方法、装置及存储介质 | |
WO2019114481A1 (zh) | 集群类型识别方法、装置、电子设备及存储介质 |
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 |