CN115022916A - 一种基于状态检测的5g通信异常预警方法及系统 - Google Patents
一种基于状态检测的5g通信异常预警方法及系统 Download PDFInfo
- Publication number
- CN115022916A CN115022916A CN202210482599.1A CN202210482599A CN115022916A CN 115022916 A CN115022916 A CN 115022916A CN 202210482599 A CN202210482599 A CN 202210482599A CN 115022916 A CN115022916 A CN 115022916A
- Authority
- CN
- China
- Prior art keywords
- index
- path
- isolated
- distribution
- state
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 79
- 238000004891 communication Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 238000009826 distribution Methods 0.000 claims description 100
- 238000005520 cutting process Methods 0.000 claims description 82
- 238000012549 training Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 14
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- 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
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- 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
- H04L43/0852—Delays
-
- 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
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- 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)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于状态检测的5G通信异常预警方法及系统,涉及5G通信领域。所述方法包括:通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
Description
技术领域
本发明涉及5G通信领域,尤其涉及一种基于状态检测的5G通信异常预警方法及系统。
背景技术
5G是新一代移动通信技术发展的主要方向,是未来新一代信息基础设施的重要组成成分。5G移动通信网络作为一个新兴的网络通信系统,可快速、便捷的完成类型丰富的多种业务。极大地便利了人们的生活、推动了信息技术的发展。其中,5G通信的关键性能指标,包括用户体验速率、流量密度、峰值速率、连接数密度、空口时延、移动性、频谱效率和能量效率,其中最突出的三个性能指标是用户体验速率、空口时延和连接数密度,决定了5G通信的稳定性能。
然而,现有技术中存在对5G的应用过程中,难以对不稳定网络的异常状态指标进行动态监测,影响信息的传输效率的技术问题。
发明内容
本发明的目的是提供一种基于状态检测的5G通信异常预警方法及系统,用以解决现有技术中对5G的应用过程中,难以对不稳定网络的异常状态指标进行动态监测,影响信息的传输效率的技术问题。
鉴于上述问题,本发明提供了一种基于状态检测的5G通信异常预警方法及系统。
第一方面,本发明提供了一种基于状态检测的5G通信异常预警方法,所述方法包括:对5G通信的状态指标进行采集,获得状态指标集合;对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;获得所述目标状态指标集合在所述5G通信中的运行数据集合;分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;将所述预设状态指标标记为异常状态指标,并进行异常输出。
另一方面,本发明还提供了一种基于状态检测的5G通信异常预警系统,用于执行如第一方面所述的一种基于状态检测的5G通信异常预警方法,其中,所述系统包括:第一采集单元,所述第一采集单元用于对5G通信的状态指标进行采集,获得状态指标集合;第一筛选单元,所述第一筛选单元用于对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;第一获得单元,所述第一获得单元用于获得所述目标状态指标集合在所述5G通信中的运行数据集合;第一切割单元,所述第一切割单元用于分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;第二获得单元,所述第二获得单元用于对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;第二筛选单元,所述第二筛选单元用于对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;第一标记单元,所述第一标记单元用于将所述预设状态指标标记为异常状态指标,并进行异常输出。
第三方面,一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述第一方面中任一项所述的方法。
第四方面,一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,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
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本发明一种基于状态检测的5G通信异常预警方法的流程示意图;
图2为本发明一种基于状态检测的5G通信异常预警方法中对所述状态指标集合进行关键项筛选的流程示意图;
图3为本发明一种基于状态检测的5G通信异常预警方法中对所述运行数据集合进行依次切割的流程示意图;
图4为本发明一种基于状态检测的5G通信异常预警系统的结构示意图;
图5为本发明示例性电子设备的结构示意图。
附图标记说明:
第一采集单元11,第一筛选单元12,第一获得单元13,第一切割单元14,第二获得单元15,第二筛选单元16,第一标记单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本发明通过提供一种基于状态检测的5G通信异常预警方法及系统,解决现有技术中对5G的应用过程中,难以对不稳定网络的异常状态指标进行动态监测,影响信息的传输效率的技术问题。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种基于状态检测的5G通信异常预警方法,所述方法包括:通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明提供了一种基于状态检测的5G通信异常预警方法,所述方法具体包括如下步骤:
步骤S100:对5G通信的状态指标进行采集,获得状态指标集合;
具体而言,5G是新一代移动通信技术发展的主要方向,是未来新一代信息基础设施的重要组成成分。5G移动通信网络作为一个新兴的网络通信系统,可快速、便捷的完成类型丰富的多种业务。极大地便利了人们的生活、推动了信息技术的发展。其中,5G通信的关键性能指标,包括用户体验速率、流量密度、峰值速率、连接数密度、空口时延、移动性、频谱效率和能量效率,其中最突出的三个性能指标是用户体验速率、空口时延和连接数密度,决定了5G通信的稳定性能。
然而,现有技术中在对5G的应用过程中,难以对不稳定网络的异常状态指标进行动态监测,影响信息的传输效率的技术问题。
为了解决此类问题,本申请提出了一种基于状态检测的5G通信异常预警方法,通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
具体的,第五代移动通信技术(5th Generation Mobile CommunicationTechnology,简称5G)是具有高速率、低时延和大连接特点的新一代宽带移动通信技术,是实现人机物互联的网络基础设施。所述状态指标集合包括用户体验速率、流量密度、峰值速率、连接数密度、空口时延、移动性、频谱效率和能量效率等八大关键性能指标。
步骤S200:对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;
进一步的,如图2所示,步骤S200包括:
步骤S210:对所述5G通信中,所述状态指标集合运行的数据进行采集,获得历史指标运行数据集合;
步骤S220:对所述历史指标运行数据集合中的历史运行故障日志进行筛选,获得各故障指标类型分布;
步骤S230:对所述各故障指标类型分布在所述历史指标运行数据集合中的出现次数进行统计,获得各故障指标支持度分布;
步骤S240:通过对所述各故障指标支持度分布进行预设支持度筛选,获得所述目标状态指标集合。
其中,步骤S240包括:
步骤S241:将所述各故障指标支持度分布作为输入数据,输入至数据筛选模型,基于所述预设支持度的标识信息,对所述输入数据进行筛选训练;
步骤S242:所述数据筛选模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括所述各故障指标支持度分布和用来作为标识数据的所述预设支持度;
步骤S243:获得所述数据筛选模型的训练结果,所述训练结果包括所述目标状态指标集合。
具体而言,在获得所述状态指标集合之后,需要对其进行关键项筛选,即将最能影响5G通信网络稳定性能的指标进行筛选,其中,所述目标状态指标集合即为筛选结果,具体包括体验速率指标、空口时延指标以及连接数密度指标,所述体验速率指标反映了网络传输数据的速率,一定程度决定了网络稳定性能,所述空口时延指标,空口全称“空中接口”,是一个形象化的术语,是基站和移动电话之间的无线传输规范,它定义每个无线信道的使用频率、带宽、接入时机、编码方法以及越区切换。所述连接数密度指标表征了用户接入5G网络的连接次数,一定程度上,次数越多,密度越大,越有可能造成网络的异常。
具体的,在对所述状态指标集合进行关键项筛选时,可对所述5G通信中,所述状态指标集合运行的数据进行采集,获得历史指标运行数据集合,所述历史指标运行数据集合覆盖了用户体验速率、流量密度、峰值速率、连接数密度、空口时延、移动性、频谱效率和能量效率中的任一指标的运行数据,包括正常数据和异常数据,进而对其中的历史运行故障日志进行筛选,获得各故障指标类型分布,所述各故障指标类型分布表征了历史运行数据中存在异常故障的指标集合,通过对各异常指标的出现次数进行次数统计,可获得各异常指标的出现频率,所述各故障指标支持度分布即反映了出现频率的大小分布,一般的,出现次数越多、频率越高、支持度越大,即为本申请需要筛选出的状态指标,可对其进行深入分析。
进而,可对所述各故障指标支持度分布进行预设支持度筛选,所述预设支持度即为根据实际需要预设的支持度,即某项状态指标的支持度若是超出了预设支持度,需要对其进行筛选,计入所述目标状态指标集合中。具体的,在进行数据筛选时,可基于数据筛选模型实现。该模型是根据包括各故障指标支持度分布和用来作为标识数据的预设支持度的多组训练数据训练所得,可对输入数据进行精准识别筛选。通过将所述各故障指标支持度分布作为输入数据,输入至数据筛选模型,将所述预设支持度用作参照训练的标识信息,对输入数据进行筛选训练,可获得筛选结果,即所述目标状态指标集合,包括所述体验速率指标、空口时延指标以及连接数密度指标。
步骤S300:获得所述目标状态指标集合在所述5G通信中的运行数据集合;
步骤S400:分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;
进一步的,如图3所示,步骤S400包括:
步骤S410:将所述运行数据集合作为训练数据集,且从所述训练数据集中随机选取k个点作为子样本,放入孤立树的一次根节点;
步骤S420:将所述体验速率指标作为一次切割维度,并预设一次切割点j,所述一次切割点产生于所述一次切割维度的阈值区间内;
步骤S430:基于所述一次切割点j生成的一次切割平面,对所述一次根节点的数据空间进行切分,将小于所述一次切割点j的切分结果置于所述一次根节点的左分支、大于所述一次切割点j的切分结果置于所述一次根节点的右分支;
步骤S440:对所述左分支和所述右分支,分别进行递归,直至构建所述第一孤立树;
步骤S450:根据所述第一孤立树的构建逻辑,分别将所述空口时延指标作为二次切割维度、将所述连接数密度指标作为三次切割维度,构建对应的第二孤立树、第三孤立树;
步骤S460:分别对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行反复收敛,获得所述第一孤立树对应的第一孤立森林、所述第二孤立树对应的第二孤立森林、所述第三孤立树对应的第三孤立森林。
具体而言,在获得所述目标状态指标集合之后,可进一步采集获得其中各状态指标的运行数据,所述运行数据集合覆盖了体验速率指标、空口时延指标以及连接数密度指标的所有运行数据。进而,可基于此,通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林。孤立森林算法是基于Ensemble的异常检测方法,因此具有线性的时间复杂度,且精准度较高,在处理大数据时速度快。通过用一个随机超平面对一个数据空间进行切割,切一次可以生成两个子空间,接下来,再继续随机选取超平面,来切割第一步得到的两个子空间,以此循环下去,直到每子空间里面只包含一个数据点为止。
具体的,通过将所述体验速率指标作为一次切割维度,所述一次切割维度,即将所述体验速率指标作为第一级数据切割的特征,即对根节点的数据进行切割,接着对空口时延指标或连接数密度指标对应的数据进行随机切割,以此递归,直至最后一个叶节点无法进行切割为止,可构建所述第一孤立树。所述第一孤立树表示了以体验速率指标作为首次切割指标的各指标路径分布。同样的方法,将所述空口时延指标作为二次切割维度,对根节点的数据进行二次切割,使得构建第二孤立树,所述第二孤立树表示了以空口时延指标作为首次切割指标的各指标路径分布。同样的,所述第三孤立树表示了以连接数密度指标作为首次切割指标的各指标路径分布。
具体的,在单棵树的构件过程中,可将所述运行数据集合作为训练数据集,从训练数据集中随机选择k个点作为子样本,放入一棵孤立树的根节点,即所述一次根节点;进而随机指定一个维度,在此将所述体验速率指标作为一次切割维度,在当前节点数据范围内,随机产生一个切割点j,即所述一次切割点j,需要注意的是,切割点产生于当前节点数据中指定维度的最大值与最小值之间;进而,基于所述一次切割点j生成的一次切割平面,将当前节点数据空间切分为2个子空间,对所述一次根节点的数据空间进行切分,将小于所述一次切割点j的切分结果置于所述一次根节点的左分支、大于所述一次切割点j的切分结果置于所述一次根节点的右分支;通过在节点的左分支和右分支节点分别进行递归上述步骤,不断构造新的叶子节点,直到叶子节点上只有一个数据(无法再继续切割)或树已经生长到了所设定的高度。
根据同样的构建逻辑,将所述空口时延指标作为二次切割维度,构建对应的第二孤立树,将所述连接数密度指标作为三次切割维度,构建对应的第三孤立树。由于切割过程是完全随机的,所以需要对结果进行收敛,即反复从头开始切,对中间叶节点进行同一指标的不同次序切割,使得路径长度存在多种可能性,基于此方法,可分别对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行反复收敛,获得所述第一孤立树对应的第一孤立森林、所述第二孤立树对应的第二孤立森林、所述第三孤立树对应的第三孤立森林,所述第一孤立森林、所述第二孤立森林、所述第三孤立森林均包括了不同指标的多种切割路径,确保了训练结果的收敛性。
步骤S500:对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;
进一步的,步骤S500包括:
步骤S510:对所述第一孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第一路径分布、所述空口时延指标对应的第二路径分布、所述连接数密度指标对应的第三路径分布;
步骤S520:对所述第二孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第四路径分布、所述空口时延指标对应的第五路径分布、所述连接数密度指标对应的第六路径分布;
步骤S530:对所述第三孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第七路径分布、所述空口时延指标对应的第八路径分布、所述连接数密度指标对应的第九路径分布;
步骤S540:通过对所述第一路径分布、所述第四路径分布以及所述第七路径分布进行路径长度的均值计算,获得所述体验速率指标对应的所述第一路径均值;
步骤S550:通过对所述第二路径分布、所述第五路径分布以及所述第八路径分布进行路径长度的均值计算,获得所述空口时延指标对应的所述第二路径均值;
步骤S560:通过对所述第三路径分布、所述第六路径分布以及所述第九路径分布进行路径长度的均值计算,获得所述连接数密度指标对应的所述第三路径均值。
具体而言,在生成第一孤立森林、第二孤立森林以及第三孤立森林之后,可对各路径进行遍历。具体的,通过对第一孤立森林的各分支路径进行遍历,获得体验速率指标对应的第一路径分布、空口时延指标对应的第二路径分布、连接数密度指标对应的第三路径分布;同样的,对第二孤立森林的各分支路径进行遍历,获得体验速率指标对应的第四路径分布、空口时延指标对应的第五路径分布、连接数密度指标对应的第六路径分布;紧接着,对第三孤立森林的各分支路径进行遍历,获得体验速率指标对应的第七路径分布、空口时延指标对应的第八路径分布、连接数密度指标对应的第九路径分布。由于各指标对应切割的顺序不同,导致生成的各路径存在差异。
为了对体验速率指标对应的路径进行计算,可对所述第一路径分布、所述第四路径分布以及所述第七路径分布进行路径长度的均值计算,所述第一路径均值即为体验速率指标对应的路径;通过对第二路径分布、第五路径分布以及第八路径分布进行路径长度的均值计算,所述第二路径均值即为空口时延指标对应的路径;通过对第三路径分布、第六路径分布以及第九路径分布进行路径长度的均值计算,所述第三路径均值即为连接数密度指标对应的路径。
步骤S600:对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;
步骤S700:将所述预设状态指标标记为异常状态指标,并进行异常输出。
具体而言,为了基于孤立森林筛选出异常状态指标,可对其中的最短路径对应的状态指标进行异常标记和输出,因为路径越短,说明该状态指标越早的被孤立出来,即为我们需要找的异常状态指标。孤立森林的前提是,将异常点定义为那些“容易被孤立的离群点”,可以理解为分布稀疏,且距离高密度群体较远的点。从统计学来看,在数据空间里,若一个区域内只有分布稀疏的点,表示数据点落在此区域的概率很低,因此可以认为这些区域的点是异常的。因此,通过对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,可获得最短路径均值对应的预设状态指标,所述预设状态指标即为5G通信中存在异常的通信指标,可对其进行异常标记并进行异常输出,实现了对5G通信过程中的状态指标进行实时的动态监测,便于对异常状态进行及时调整。
综上所述,本发明所提供的一种基于状态检测的5G通信异常预警方法具有如下技术效果:
通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
实施例二
基于与前述实施例中一种基于状态检测的5G通信异常预警方法,同样发明构思,本发明还提供了一种基于状态检测的5G通信异常预警系统,请参阅附图4,所述系统包括:
第一采集单元11,所述第一采集单元11用于对5G通信的状态指标进行采集,获得状态指标集合;
第一筛选单元12,所述第一筛选单元12用于对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;
第一获得单元13,所述第一获得单元13用于获得所述目标状态指标集合在所述5G通信中的运行数据集合;
第一切割单元14,所述第一切割单元14用于分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;
第二获得单元15,所述第二获得单元15用于对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;
第二筛选单元16,所述第二筛选单元16用于对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;
第一标记单元17,所述第一标记单元17用于将所述预设状态指标标记为异常状态指标,并进行异常输出。
进一步的,所述系统还包括:
第二采集单元,所述第二采集单元用于对所述5G通信中,所述状态指标集合运行的数据进行采集,获得历史指标运行数据集合;
第三筛选单元,所述第三筛选单元用于对所述历史指标运行数据集合中的历史运行故障日志进行筛选,获得各故障指标类型分布;
第一统计单元,所述第一统计单元用于对所述各故障指标类型分布在所述历史指标运行数据集合中的出现次数进行统计,获得各故障指标支持度分布;
第四筛选单元,所述第四筛选单元用于通过对所述各故障指标支持度分布进行预设支持度筛选,获得所述目标状态指标集合。
进一步的,所述系统还包括:
第一输入单元,所述第一输入单元用于将所述各故障指标支持度分布作为输入数据,输入至数据筛选模型,基于所述预设支持度的标识信息,对所述输入数据进行筛选训练;
第一训练单元,所述第一训练单元用于所述数据筛选模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括所述各故障指标支持度分布和用来作为标识数据的所述预设支持度;
第三获得单元,所述第三获得单元用于获得所述数据筛选模型的训练结果,所述训练结果包括所述目标状态指标集合。
进一步的,所述系统还包括:
第一选取单元,所述第一选取单元用于将所述运行数据集合作为训练数据集,且从所述训练数据集中随机选取k个点作为子样本,放入孤立树的一次根节点;
第一预设单元,所述第一预设单元用于将所述体验速率指标作为一次切割维度,并预设一次切割点j,所述一次切割点产生于所述一次切割维度的阈值区间内;
第一切分单元,所述第一切分单元用于基于所述一次切割点j生成的一次切割平面,对所述一次根节点的数据空间进行切分,将小于所述一次切割点j的切分结果置于所述一次根节点的左分支、大于所述一次切割点j的切分结果置于所述一次根节点的右分支;
第一构建单元,所述第一构建单元用于对所述左分支和所述右分支,分别进行递归,直至构建所述第一孤立树。
进一步的,所述系统还包括:
第二构建单元,所述第二构建单元用于根据所述第一孤立树的构建逻辑,分别将所述空口时延指标作为二次切割维度、将所述连接数密度指标作为三次切割维度,构建对应的第二孤立树、第三孤立树;
第一收敛单元,所述第一收敛单元用于分别对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行反复收敛,获得所述第一孤立树对应的第一孤立森林、所述第二孤立树对应的第二孤立森林、所述第三孤立树对应的第三孤立森林。
进一步的,所述系统还包括:
第四获得单元,所述第四获得单元用于对所述第一孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第一路径分布、所述空口时延指标对应的第二路径分布、所述连接数密度指标对应的第三路径分布;
第五获得单元,所述第五获得单元用于对所述第二孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第四路径分布、所述空口时延指标对应的第五路径分布、所述连接数密度指标对应的第六路径分布;
第六获得单元,所述第六获得单元用于对所述第三孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第七路径分布、所述空口时延指标对应的第八路径分布、所述连接数密度指标对应的第九路径分布。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于通过对所述第一路径分布、所述第四路径分布以及所述第七路径分布进行路径长度的均值计算,获得所述体验速率指标对应的所述第一路径均值;
第八获得单元,所述第八获得单元用于通过对所述第二路径分布、所述第五路径分布以及所述第八路径分布进行路径长度的均值计算,获得所述空口时延指标对应的所述第二路径均值;
第九获得单元,所述第九获得单元用于通过对所述第三路径分布、所述第六路径分布以及所述第九路径分布进行路径长度的均值计算,获得所述连接数密度指标对应的所述第三路径均值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种基于状态检测的5G通信异常预警方法和具体实例同样适用于本实施例的一种基于状态检测的5G通信异常预警系统,通过前述对一种基于状态检测的5G通信异常预警方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于状态检测的5G通信异常预警系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图5来描述本发明的电子设备。
图5图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种基于状态检测的5G通信异常预警方法的发明构思,本发明还提供一种基于状态检测的5G通信异常预警系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于状态检测的5G通信异常预警方法的任一方法的步骤。
其中,在图5中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明提供了一种基于状态检测的5G通信异常预警方法,所述方法包括:对5G通信的状态指标进行采集,获得状态指标集合;对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;获得所述目标状态指标集合在所述5G通信中的运行数据集合;分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;将所述预设状态指标标记为异常状态指标,并进行异常输出。解决了现有技术中在对5G的应用过程中,难以对不稳定网络的异常状态指标进行动态监测,影响信息的传输效率的技术问题。通过构建5G通信中多个状态指标的异常监测孤立森林,使得每个指标对应于一个子孤立森林,每个子孤立森林基于梯度上升进行构建,进而对分支路径最短的状态指标进行筛选,并对筛选结果进行异常状态标记和异常输出,使得出现异常指标时便于工作人员进行调整,达到了对5G通信过程中的状态指标进行实时的动态监测,对异常状态进行及时调整,进而确保网络通信的稳定性能,提高信息的传输效率的技术效果。
本发明还提供一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述实施例一中任一项所述的方法。
本发明还提供一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于状态检测的5G通信异常预警方法,其特征在于,所述方法包括:
对5G通信的状态指标进行采集,获得状态指标集合;
对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;
获得所述目标状态指标集合在所述5G通信中的运行数据集合;
分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;
对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;
对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;
将所述预设状态指标标记为异常状态指标,并进行异常输出。
2.如权利要求1所述的方法,其特征在于,所述对所述状态指标集合进行关键项筛选,包括:
对所述5G通信中,所述状态指标集合运行的数据进行采集,获得历史指标运行数据集合;
对所述历史指标运行数据集合中的历史运行故障日志进行筛选,获得各故障指标类型分布;
对所述各故障指标类型分布在所述历史指标运行数据集合中的出现次数进行统计,获得各故障指标支持度分布;
通过对所述各故障指标支持度分布进行预设支持度筛选,获得所述目标状态指标集合。
3.如权利要求2所述的方法,其特征在于,所述方法包括:
将所述各故障指标支持度分布作为输入数据,输入至数据筛选模型,基于所述预设支持度的标识信息,对所述输入数据进行筛选训练;
所述数据筛选模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括所述各故障指标支持度分布和用来作为标识数据的所述预设支持度;
获得所述数据筛选模型的训练结果,所述训练结果包括所述目标状态指标集合。
4.如权利要求3所述的方法,其特征在于,所述对所述运行数据集合进行依次切割,包括:
将所述运行数据集合作为训练数据集,且从所述训练数据集中随机选取k个点作为子样本,放入孤立树的一次根节点;
将所述体验速率指标作为一次切割维度,并预设一次切割点j,所述一次切割点产生于所述一次切割维度的阈值区间内;
基于所述一次切割点j生成的一次切割平面,对所述一次根节点的数据空间进行切分,将小于所述一次切割点j的切分结果置于所述一次根节点的左分支、大于所述一次切割点j的切分结果置于所述一次根节点的右分支;
对所述左分支和所述右分支,分别进行递归,直至构建所述第一孤立树。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
根据所述第一孤立树的构建逻辑,分别将所述空口时延指标作为二次切割维度、将所述连接数密度指标作为三次切割维度,构建对应的第二孤立树、第三孤立树;
分别对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行反复收敛,获得所述第一孤立树对应的第一孤立森林、所述第二孤立树对应的第二孤立森林、所述第三孤立树对应的第三孤立森林。
6.如权利要求5所述的方法,其特征在于,所述方法包括:
对所述第一孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第一路径分布、所述空口时延指标对应的第二路径分布、所述连接数密度指标对应的第三路径分布;
对所述第二孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第四路径分布、所述空口时延指标对应的第五路径分布、所述连接数密度指标对应的第六路径分布;
对所述第三孤立森林的各分支路径进行遍历,获得所述体验速率指标对应的第七路径分布、所述空口时延指标对应的第八路径分布、所述连接数密度指标对应的第九路径分布。
7.如权利要求6所述的方法,其特征在于,所述方法包括:
通过对所述第一路径分布、所述第四路径分布以及所述第七路径分布进行路径长度的均值计算,获得所述体验速率指标对应的所述第一路径均值;
通过对所述第二路径分布、所述第五路径分布以及所述第八路径分布进行路径长度的均值计算,获得所述空口时延指标对应的所述第二路径均值;
通过对所述第三路径分布、所述第六路径分布以及所述第九路径分布进行路径长度的均值计算,获得所述连接数密度指标对应的所述第三路径均值。
8.一种基于状态检测的5G通信异常预警系统,其特征在于,所述系统包括:
第一采集单元,所述第一采集单元用于对5G通信的状态指标进行采集,获得状态指标集合;
第一筛选单元,所述第一筛选单元用于对所述状态指标集合进行关键项筛选,获得目标状态指标集合,其中,所述目标状态指标集合包括体验速率指标、空口时延指标以及连接数密度指标;
第一获得单元,所述第一获得单元用于获得所述目标状态指标集合在所述5G通信中的运行数据集合;
第一切割单元,所述第一切割单元用于分别将所述体验速率指标作为一次切割维度、所述空口时延指标作为二次切割维度、所述连接数密度指标作为三次切割维度,对所述运行数据集合进行依次切割,构建对应的第一孤立树、第二孤立树以及第三孤立树;
第二获得单元,所述第二获得单元用于对所述第一孤立树、所述第二孤立树以及所述第三孤立树进行路径遍历,获得所述体验速率指标对应的第一路径均值、所述空口时延指标对应的第二路径均值以及所述连接数密度指标对应的第三路径均值;
第二筛选单元,所述第二筛选单元用于对所述第一路径均值、所述第二路径均值以及所述第三路径均值进行最小值筛选,获得最短路径均值对应的预设状态指标;
第一标记单元,所述第一标记单元用于将所述预设状态指标标记为异常状态指标,并进行异常输出。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1~7中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482599.1A CN115022916B (zh) | 2022-05-05 | 一种基于状态检测的5g通信异常预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482599.1A CN115022916B (zh) | 2022-05-05 | 一种基于状态检测的5g通信异常预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115022916A true CN115022916A (zh) | 2022-09-06 |
CN115022916B CN115022916B (zh) | 2024-09-24 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976930A (zh) * | 2017-12-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 异常数据的检测方法、系统及存储介质 |
WO2019169743A1 (zh) * | 2018-03-09 | 2019-09-12 | 网宿科技股份有限公司 | 一种服务器故障的检测方法及系统 |
CN114116733A (zh) * | 2022-01-26 | 2022-03-01 | 国网区块链科技(北京)有限公司 | 配电自动化系统数据异常操作检测和追溯系统及方法 |
CN114244691A (zh) * | 2020-09-09 | 2022-03-25 | 中国移动通信有限公司研究院 | 视频业务的故障定位方法、装置及电子设备 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976930A (zh) * | 2017-12-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 异常数据的检测方法、系统及存储介质 |
WO2019169743A1 (zh) * | 2018-03-09 | 2019-09-12 | 网宿科技股份有限公司 | 一种服务器故障的检测方法及系统 |
CN114244691A (zh) * | 2020-09-09 | 2022-03-25 | 中国移动通信有限公司研究院 | 视频业务的故障定位方法、装置及电子设备 |
CN114116733A (zh) * | 2022-01-26 | 2022-03-01 | 国网区块链科技(北京)有限公司 | 配电自动化系统数据异常操作检测和追溯系统及方法 |
Non-Patent Citations (1)
Title |
---|
赵臣啸;薛惠锋;王磊;万毅;: "基于孤立森林算法的取用水量异常数据检测方法", 中国水利水电科学研究院学报, no. 01, 15 February 2020 (2020-02-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609759B (zh) | 一种故障根因分析的方法及装置 | |
EP3975048B1 (en) | Method for constructing cloud network alarm root cause relational tree model, device, and storage medium | |
US12063528B2 (en) | Anomaly detection method and device, terminal and storage medium | |
CN112953738B (zh) | 根因告警的定位系统、方法、装置、计算机设备 | |
CN105873113A (zh) | 无线质量问题定位方法及系统 | |
CN114511112A (zh) | 一种基于物联网的智慧运维方法、系统和可读存储介质 | |
CN111884832B (zh) | 一种获取无源网络拓扑信息的方法及相关设备 | |
CN113259176B (zh) | 一种告警事件分析方法和装置 | |
CN112595906B (zh) | 一种台区运行异常的判断方法 | |
CN118094531B (zh) | 一种安全运维实时预警一体化系统 | |
CN117557415B (zh) | 一种基于智慧物业的社区资源管理方法及系统 | |
CN117811935A (zh) | 一种基于无线通信的智慧城市物联网系统及运行方法 | |
CN115022916B (zh) | 一种基于状态检测的5g通信异常预警方法及系统 | |
CN110582091B (zh) | 定位无线质量问题的方法和装置 | |
CN115022916A (zh) | 一种基于状态检测的5g通信异常预警方法及系统 | |
CN116578911A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN114205238B (zh) | 网络资源优化、模型训练方法、装置、存储介质及设备 | |
CN113162801B (zh) | 一种告警分析方法、装置及存储介质 | |
CN111950853B (zh) | 一种基于信息物理双侧数据的电力运行状态白名单生成方法 | |
CN117376084A (zh) | 故障检测方法、电子设备及其介质 | |
CN114860543A (zh) | 异常检测方法、装置、设备与计算机可读存储介质 | |
CN116170281A (zh) | 告警关联规则生成方法、装置、电子设备和存储介质 | |
CN118509527B (zh) | 一种5g核心网多维kpi时间序列的异常检测方法及系统 | |
CN118400291B (zh) | 一种通信信息监测方法和系统 | |
CN115134246B (zh) | 网络性能指标监控方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |