CN114826989A - 基于大数据的通信设备运行监测预测系统 - Google Patents

Abstract

本发明公开了基于大数据的通信设备运行监测预测系统，涉及通信设备监测预测技术领域，解决了现有技术中无法将通信设备进行运行监测时同步进行通信设备预测的技术问题，将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到运行监测异常设备需要维护的参数，提高了异常设备的维护效率以及准确性，同时通过数据分析将运行监测正常设备进行性能检测，判定当前运行监测正常设备是否存在故障风险；将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率，从而对其进行性能预测，及时准确分析设备的运行状态，降低设备出现故障时对通讯网络的影响，增强了通讯网络的稳定性。

Description

基于大数据的通信设备运行监测预测系统

技术领域

本发明涉及通信设备监测预测技术领域，具体为基于大数据的通信设备运行监测预测系统。

背景技术

通信设备是用于工控环境的有线通讯设备和无线通讯设备，有线通讯设备主要是解决工业现场的串口通讯，专业总线型的通讯，工业以太网的通讯以及各种通讯协议之间的转换设备，主要包括路由器、交换机和modem等设备，无线通讯设备主要是包括无线AP、无线网桥、无线网卡、无线避雷器和天线等设备，通讯也包括军事通讯和民事通讯，且通讯设备在运行过程中运行监测以及预测则十分重要；

但在现有技术中，通信设备数量的增加，其设备的运行监测的工作强度也随着增强，同时对应通信设备的运行预测也同样面对工作强度大的问题；且现有技术中无法将通信设备进行运行监测时同步进行通信设备预测；此外，通信设备的预测效率也十分低下；

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的就在于为了解决上述提出的问题，而提出基于大数据的通信设备运行监测预测系统，将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度，为通信设备的运行监测以及预测提供准确数据，有利于增强运行监测效率以及运行预测效率；将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常，增强通讯设备状态异常监测的及时性，能够有效发现通讯设备当前运行的故障，降低通讯设备异常对工作效率带来的影响，也有效避免对存在异常的通讯设备进行预测，增加设备预测的工作量带来不必要的成本。

本发明的目的可以通过以下技术方案实现：

基于大数据的通信设备运行监测预测系统，包括服务器，服务器通讯连接有设备需求分析单元、实时运行监测单元、同设备分析单元以及设备性能预测单元；

设备需求分析单元，用于将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度；通过分析获取到高需求设备和低需求设备；

实时运行监测单元，用于将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常；通过分析获取到运行监测异常设备和运行监测正常设备

同设备分析单元，用于将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到通信设备的影响数据和无影响数据，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，通过分析获取到性能预测设备；

设备性能预测单元，用于将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率；通过性能预测生成高风险信号和低风险信号，并将其一并发送至服务器。

作为本发明的一种优选实施方式，设备需求分析单元的设备需求分析过程如下：

将通讯设备设置标号i，i为正整数，设置分析时间阈值，采集到当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长，并将当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长分别标记为NCi和SCi；

采集到当前通讯网络内通讯设备在分析时间阈值内运行时长的占比，并将当前通讯网络内通讯设备在分析时间阈值内运行时长的占比标记为ZBi；通过分析获取到通讯网络内通讯设备的需求分析系数Xi，将通讯网络内通讯设备的需求分析系数Xi与需求分析系数阈值进行比较：

若通讯网络内通讯设备的需求分析系数Xi超过需求分析系数阈值，则判定对应通讯设备的使用强度高，将对应通讯设备标记为高需求设备，同时生成高需求信号并将高需求信号和对应高需求设备的编号发送至服务器；

若通讯网络内通讯设备的需求分析系数Xi未超过需求分析系数阈值，则判定对应通讯设备的使用强度低，将对应通讯设备标记为低需求设备，同时生成低需求信号并将低需求信号和对应低需求设备的编号发送至服务器。

作为本发明的一种优选实施方式，实时运行监测单元的实时运行监测过程如下：

采集到通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值，并将通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值分别标记为YCLi和FDZi；采集到通讯网络内通信设备需维护频率的缩短量，并将通讯网络内通信设备需维护频率的缩短量标记为SDLi；

通过分析获取到对应通讯设备的实时运行监测系数Ci，将对应通讯设备的实时运行监测系数Ci与实时运行监测系数阈值进行比较：

若对应通讯设备的实时运行监测系数Ci超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测不合格，将对应通讯设备标记为运行监测异常设备，生成实时运行监测不合格信号并将实时运行监测不合格信号和对应运行监测异常设备的编号发送至服务器；

若对应通讯设备的实时运行监测系数Ci未超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测合格，将对应通讯设备标记为运行监测正常设备，生成实时运行监测合格信号并将实时运行监测合格信号和对应运行监测正常设备的编号发送至服务器。

作为本发明的一种优选实施方式，同设备分析单元的同设备分析过程如下：

获取到同类型的运行监测正常设备以及运行监测异常设备，将运行监测正常设备以及运行监测异常设备投入至通讯网络内运行，并在运行过程中分别采集到运行监测正常设备与运行监测异常设备的设备运行参数，且将运行监测正常设备的设备运行参数标记为合格运行参数，将运行监测异常设备的设备运行参数标记为非合格运行参数；将合格运行参数和非合格运行参数进行比较，若合格运行参数和非合格运行参数内对应数据差值未处于对应差值阈值范围内，则将对应数据标记为影响数据；若合格运行参数和非合格运行参数内对应数据差值处于对应差值阈值范围内，则将对应数据标记为无影响数据；

获取到影响数据后，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，将同类型的运行监测正常设备投入通讯网络内运行，并在运行过程中将对应运行监测正常设备的影响数据进行比较，将运行监测正常设备按照对应影响数据数值从高到低的顺序进行排列，当影响数据呈正比时，则将排序倒数第一的运行监测正常设备标记为性能预测设备；当影响数据呈反比时，则将排序第一的运行监测正常设备标记为性能预测设备；获取到性能预测设备后将其性能预测设备的编号发送至服务器。

作为本发明的一种优选实施方式，设备性能预测单元的设备性能预测过程如下：

获取到性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度，并将性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度分别与频率阈值和速度阈值进行比较：

若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率超过频率阈值，或者未处于影响对应数值阈值范围内的影响因素数量增长速度超过速度阈值，则预测对应性能预测设备存在高故障风险，并将其标记为高风险设备，同时生成高风险信号并将高风险信号和对应高风险设备编号一同发送至服务器；

若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率未超过频率阈值且未处于影响对应数值阈值范围内的影响因素数量增长速度未超过速度阈值，则预测对应性能预测设备存在低故障风险，并将其标记为低风险设备，同时生成低风险信号并将低风险信号和对应低风险设备编号一同发送至服务器。

与现有技术相比，本发明的有益效果是：

1、本发明中，将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度，为通信设备的运行监测以及预测提供准确数据，有利于增强运行监测效率以及运行预测效率；将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常，增强通讯设备状态异常监测的及时性，能够有效发现通讯设备当前运行的故障，降低了通讯设备异常对工作效率带来的影响，也有效避免对存在异常的通讯设备进行预测，增加了设备预测的工作量带来不必要的成本；

2、本发明中，将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到运行监测异常设备需要维护的参数，提高了异常设备的维护效率以及准确性，同时通过数据分析将运行监测正常设备进行性能检测，判定当前运行监测正常设备是否存在故障风险；将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率，从而对其进行性能预测，及时准确分析设备的运行状态，降低设备出现故障时对通讯网络的影响，增强了通讯网络的稳定性。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，基于大数据的通信设备运行监测预测系统，包括服务器，服务器通讯连接有设备需求分析单元、实时运行监测单元、同设备分析单元以及设备性能预测单元；其中，服务器与设备需求分析单元、实时运行监测单元、同设备分析单元以及设备性能预测单元均为双向通讯连接；

目前正处于一个通信网络高速发展的阶段。一方面，网络规模不断扩大，不同通信厂家的网络设备陆续融入进来；另一方面，客户对网络服务质量的要求不断提高，对后台网络支撑也提出了更高的标准。而实际上，由于网络规模急剧膨胀和业务多样化导致的多厂家通信设备并存已经增加了通信网络的异构性和复杂度，使整个网络的管理和维护难度不断加大，网络质量更是难以保证，网络管理的问题日益突出。怎样实现通信网的科学、规范、迅速高效的管理，为各级用户提供更好的通信服务是各级通信运营商和通信保障单位面临的非常迫切的现实问题；

可以理解的是，在网络通信飞速发展的大前提下，对应网络通信设备数量也随着越来越多，随着通信设备数量的增加，其设备的运行监测的工作强度也随着增强，不仅如此，在通信设备运行质量监测的同时对通信设备的运行预测也至关重要，且对应通信设备的运行预测也同样面对工作强度大的问题，因此，如何在通信设备进行运行监测时同步进行通信设备预测，且预测效率高是当前需解决的问题；

本系统作用于解决上述问题，本系统中通信设备为同类型的设备；通信设备在通信设备运行时，服务器生成设备需求分析信号并将设备需求分析信号发送至设备需求分析单元，设备需求分析单元接收到设备需求分析信号后，将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度，为通信设备的运行监测以及预测提供准确数据，有利于增强运行监测效率以及运行预测效率，具体设备需求分析过程如下：

将通讯设备设置标号i，i为正整数，设置分析时间阈值，采集到当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长，并将当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长分别标记为NCi和SCi；采集到当前通讯网络内通讯设备在分析时间阈值内运行时长的占比，并将当前通讯网络内通讯设备在分析时间阈值内运行时长的占比标记为ZBi；

通过公式

获取到通讯网络内通讯设备的需求分析系数Xi，其中，a1、a2以及a3均为预设比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为1.45；

将通讯网络内通讯设备的需求分析系数Xi与需求分析系数阈值进行比较：

若通讯网络内通讯设备的需求分析系数Xi超过需求分析系数阈值，则判定对应通讯设备的使用强度高，将对应通讯设备标记为高需求设备，同时生成高需求信号并将高需求信号和对应高需求设备的编号发送至服务器；若通讯网络内通讯设备的需求分析系数Xi未超过需求分析系数阈值，则判定对应通讯设备的使用强度低，将对应通讯设备标记为低需求设备，同时生成低需求信号并将低需求信号和对应低需求设备的编号发送至服务器；

服务器生成实时运行监测信号并将实时运行监测信号发送至实时运行监测单元，实时运行监测单元接收到实时运行监测信号后，将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常，增强通讯设备状态异常监测的及时性，能够有效发现通讯设备当前运行的故障，降低了通讯设备异常对工作效率带来的影响，也有效避免对存在异常的通讯设备进行预测，增加了设备预测的工作量带来不必要的成本，具体实时运行监测过程如下：

采集到通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值，并将通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值分别标记为YCLi和FDZi；采集到通讯网络内通信设备需维护频率的缩短量，并将通讯网络内通信设备需维护频率的缩短量标记为SDLi；

通过公式

获取到对应通讯设备的实时运行监测系数Ci，其中，b1、b2以及b3均为预设比例系数，且b1＞b2＞b3＞0；将对应通讯设备的实时运行监测系数Ci与实时运行监测系数阈值进行比较：

若对应通讯设备的实时运行监测系数Ci超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测不合格，将对应通讯设备标记为运行监测异常设备，生成实时运行监测不合格信号并将实时运行监测不合格信号和对应运行监测异常设备的编号发送至服务器；若对应通讯设备的实时运行监测系数Ci未超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测合格，将对应通讯设备标记为运行监测正常设备，生成实时运行监测合格信号并将实时运行监测合格信号和对应运行监测正常设备的编号发送至服务器；

服务器接收到对应运行监测异常设备的编号和对应运行监测正常设备编号后，生成同设备分析信号并将同设备分析信号发送至同设备分析单元，同设备分析单元接收到同设备分析信号后，将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到运行监测异常设备需要维护的参数，提高了异常设备的维护效率以及准确性，同时通过数据分析将运行监测正常设备进行性能检测，判定当前运行监测正常设备是否存在故障风险，具体同设备分析过程如下：

获取到同类型的运行监测正常设备以及运行监测异常设备，将运行监测正常设备以及运行监测异常设备投入至通讯网络内运行，并在运行过程中分别采集到运行监测正常设备与运行监测异常设备的设备运行参数，且将运行监测正常设备的设备运行参数标记为合格运行参数，将运行监测异常设备的设备运行参数标记为非合格运行参数，其中设备运行参数表示为设备对应传信率、设备运行温度等相关设备运行时对应参数；

将合格运行参数和非合格运行参数进行比较，若合格运行参数和非合格运行参数内对应数据差值未处于对应差值阈值范围内，则将对应数据标记为影响数据；若合格运行参数和非合格运行参数内对应数据差值处于对应差值阈值范围内，则将对应数据标记为无影响数据；例如：合格运行参数内的设备温度和非合格运行参数内设备温度对应差值未处于对应温度差值阈值范围，则将设备温度标记为影响数据；

获取到影响数据后，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，将同类型的运行监测正常设备投入通讯网络内运行，并在运行过程中将对应运行监测正常设备的影响数据进行比较，将运行监测正常设备按照对应影响数据数值从高到低的顺序进行排列，当影响数据呈正比时，则将排序倒数第一的运行监测正常设备标记为性能预测设备；当影响数据呈反比时，则将排序第一的运行监测正常设备标记为性能预测设备；

获取到性能预测设备后将其性能预测设备的编号发送至服务器；

服务器接收到性能预测设备的编号后，生成设备性能预测信号并将设备性能预测信号发送至设备性能预测单元，设备性能预测单元接收到设备性能预测信号后，将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率，从而对其进行性能预测，及时准确分析设备的运行状态，降低设备出现故障时对通讯网络的影响，增强了通讯网络的稳定性，具体设备性能预测过程如下：

获取到性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度，并将性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度分别与频率阈值和速度阈值进行比较：

若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率超过频率阈值，或者未处于影响对应数值阈值范围内的影响因素数量增长速度超过速度阈值，则预测对应性能预测设备存在高故障风险，并将其标记为高风险设备，同时生成高风险信号并将高风险信号和对应高风险设备编号一同发送至服务器；若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率未超过频率阈值且未处于影响对应数值阈值范围内的影响因素数量增长速度未超过速度阈值，则预测对应性能预测设备存在低故障风险，并将其标记为低风险设备，同时生成低风险信号并将低风险信号和对应低风险设备编号一同发送至服务器；

服务器接收到高风险信号和对应高风险设备编号后，将对应高风险设备进行维护且将其运行强度进行控制，防止高风险设备在运行过程中出现故障，造成通讯网络的效率影响。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

本发明在使用时，将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度；通过分析获取到高需求设备和低需求设备；将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常；通过分析获取到运行监测异常设备和运行监测正常设备；将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到通信设备的影响数据和无影响数据，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，通过分析获取到性能预测设备；将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率；通过性能预测生成高风险信号和低风险信号，并将其一并发送至服务器。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.基于大数据的通信设备运行监测预测系统，其特征在于，包括服务器，服务器通讯连接有设备需求分析单元、实时运行监测单元、同设备分析单元以及设备性能预测单元；

设备需求分析单元，用于将通信设备在对应通讯网络内的需求进行分析，判定各个通信设备在对应通讯网络的工作强度；通过分析获取到高需求设备和低需求设备；

实时运行监测单元，用于将对应通讯设备进行实时运行监测，判断当前通讯设备的实时运行状态是否正常；通过分析获取到运行监测异常设备和运行监测正常设备；

同设备分析单元，用于将运行监测正常设备和运行监测异常设备进行分析，通过数据分析获取到通信设备的影响数据和无影响数据，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，通过分析获取到性能预测设备；

设备性能预测单元，用于将对应性能预测设备进行性能预测，判断运行监测正常设备的实时运行效率；通过性能预测生成高风险信号和低风险信号，并将其一并发送至服务器。

2.根据权利要求1所述的基于大数据的通信设备运行监测预测系统，其特征在于，设备需求分析单元的设备需求分析过程如下：

将通讯设备设置标号i，i为正整数，设置分析时间阈值，采集到当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长，并将当前通讯网络内通讯设备在分析时间阈值内传输信息量的内存值以及对应信息量传输的平均间隔时长分别标记为NCi和SCi；

采集到当前通讯网络内通讯设备在分析时间阈值内运行时长的占比，并将当前通讯网络内通讯设备在分析时间阈值内运行时长的占比标记为ZBi；通过分析获取到通讯网络内通讯设备的需求分析系数Xi，将通讯网络内通讯设备的需求分析系数Xi与需求分析系数阈值进行比较：

若通讯网络内通讯设备的需求分析系数Xi超过需求分析系数阈值，则判定对应通讯设备的使用强度高，将对应通讯设备标记为高需求设备，同时生成高需求信号并将高需求信号和对应高需求设备的编号发送至服务器；

若通讯网络内通讯设备的需求分析系数Xi未超过需求分析系数阈值，则判定对应通讯设备的使用强度低，将对应通讯设备标记为低需求设备，同时生成低需求信号并将低需求信号和对应低需求设备的编号发送至服务器。

3.根据权利要求1所述的基于大数据的通信设备运行监测预测系统，其特征在于，实时运行监测单元的实时运行监测过程如下：

采集到通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值，并将通讯网络内通信设备进行信息传输对应反应时长的延迟量以及通信设备进行信息传输对应信息传输速度的浮动值分别标记为YCLi和FDZi；采集到通讯网络内通信设备需维护频率的缩短量，并将通讯网络内通信设备需维护频率的缩短量标记为SDLi；

通过分析获取到对应通讯设备的实时运行监测系数Ci，将对应通讯设备的实时运行监测系数Ci与实时运行监测系数阈值进行比较：

若对应通讯设备的实时运行监测系数Ci超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测不合格，将对应通讯设备标记为运行监测异常设备，生成实时运行监测不合格信号并将实时运行监测不合格信号和对应运行监测异常设备的编号发送至服务器；

若对应通讯设备的实时运行监测系数Ci未超过实时运行监测系数阈值，则判定当前通讯设备的实时运行监测合格，将对应通讯设备标记为运行监测正常设备，生成实时运行监测合格信号并将实时运行监测合格信号和对应运行监测正常设备的编号发送至服务器。

4.根据权利要求1所述的基于大数据的通信设备运行监测预测系统，其特征在于，同设备分析单元的同设备分析过程如下：

获取到同类型的运行监测正常设备以及运行监测异常设备，将运行监测正常设备以及运行监测异常设备投入至通讯网络内运行，并在运行过程中分别采集到运行监测正常设备与运行监测异常设备的设备运行参数，且将运行监测正常设备的设备运行参数标记为合格运行参数，将运行监测异常设备的设备运行参数标记为非合格运行参数；将合格运行参数和非合格运行参数进行比较，若合格运行参数和非合格运行参数内对应数据差值未处于对应差值阈值范围内，则将对应数据标记为影响数据；若合格运行参数和非合格运行参数内对应数据差值处于对应差值阈值范围内，则将对应数据标记为无影响数据；

获取到影响数据后，将运行监测异常设备将影响数据作为维护依据进行针对性维护，同时将运行监测正常设备以影响数据作为标准进行分析，将同类型的运行监测正常设备投入通讯网络内运行，并在运行过程中将对应运行监测正常设备的影响数据进行比较，将运行监测正常设备按照对应影响数据数值从高到低的顺序进行排列，当影响数据呈正比时，则将排序倒数第一的运行监测正常设备标记为性能预测设备；当影响数据呈反比时，则将排序第一的运行监测正常设备标记为性能预测设备；获取到性能预测设备后将其性能预测设备的编号发送至服务器。

5.根据权利要求1所述的基于大数据的通信设备运行监测预测系统，其特征在于，设备性能预测单元的设备性能预测过程如下：

获取到性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度，并将性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率以及未处于影响对应数值阈值范围内的影响因素数量增长速度分别与频率阈值和速度阈值进行比较：

若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率超过频率阈值，或者未处于影响对应数值阈值范围内的影响因素数量增长速度超过速度阈值，则预测对应性能预测设备存在高故障风险，并将其标记为高风险设备，同时生成高风险信号并将高风险信号和对应高风险设备编号一同发送至服务器；

若性能预测设备对应影响因素未处于影响因素对应数值阈值范围内的频率未超过频率阈值且未处于影响对应数值阈值范围内的影响因素数量增长速度未超过速度阈值，则预测对应性能预测设备存在低故障风险，并将其标记为低风险设备，同时生成低风险信号并将低风险信号和对应低风险设备编号一同发送至服务器。

Images