TW202306347A - 基站運行的健康管理方法、裝置及計算機可讀存儲介質 - Google Patents

基站運行的健康管理方法、裝置及計算機可讀存儲介質 Download PDF

Info

Publication number
TW202306347A
TW202306347A TW111120509A TW111120509A TW202306347A TW 202306347 A TW202306347 A TW 202306347A TW 111120509 A TW111120509 A TW 111120509A TW 111120509 A TW111120509 A TW 111120509A TW 202306347 A TW202306347 A TW 202306347A
Authority
TW
Taiwan
Prior art keywords
base station
model
kpi
health management
health
Prior art date
Application number
TW111120509A
Other languages
English (en)
Other versions
TWI800395B (zh
Inventor
張永傑
彭雲峰
Original Assignee
新加坡商鴻運科股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 新加坡商鴻運科股份有限公司 filed Critical 新加坡商鴻運科股份有限公司
Publication of TW202306347A publication Critical patent/TW202306347A/zh
Application granted granted Critical
Publication of TWI800395B publication Critical patent/TWI800395B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一種基站運行的健康管理方法，包括：建立基站資料模型以實現不同基站的遠端監控集成；採集各種基站上傳的KPI指標與警報事件；對基站覆蓋的服務區進行分組，構建基站運行的健康度管理模型；接收的基站的KPI指標和警報事件，根據所述基站健康度管理模型更新基站的健康度結果。本發明還提供一種裝置及計算機可讀存儲介質。

Description

基站運行的健康管理方法、裝置及計算機可讀存儲介質
本發明涉及基站運行的健康管理技術，尤其是涉及一種基站運行的健康管理方法、裝置及計算機可讀存儲介質。
現有的基站運行管理過程中，存在以下缺陷：用戶無法直觀並全面掌握基站的運行狀況，缺乏對關鍵性能指標(Key Performance Indicator, KPI)的分類分層處理與運行狀況等級劃分；缺乏對基站運行狀況的預測分析，只能事後諸葛，無法提前對即將發生的性能與故障問題進行準備與處理。
鑒於以上內容，有必要提供一種基站運行的健康管理方法、路由器及計算機可讀存儲介質，能夠解決現有技術中基站運行管理過程中存在的諸多缺陷。
本發明實施例提供了一種基站運行的健康管理方法，所述方法包括：建立基站資料模型以實現不同基站的遠端監控集成；通過基站資料模型採集各種基站上傳的KPI指標與警報事件；對基站覆蓋的服務區進行分組，根據服務區分組，KPI指標與警報事件，構建基站運行的健康度管理模型；接收的基站的KPI指標和警報事件，根據所述基站健康度管理模型更新基站的健康度結果。
可選地，所述方法還包括：對所述基站健康度管理模型進行線下模型訓練；根據訓練後的所述基站健康度管理模型實現KPI參數與警報事件的線上預測。
可選地，所述建立基站資料模型以實現不同基站的遠端監控集成，包括：根據基站設備類別對基站進行分類，且對基站覆蓋的服務區進行分組；添加所述基站的監控類別；設置所述基站在對應監控類別下的KPI指標與警報事件；設置採集點，根據所述採集點設置KPI指標與所述採集點的對應關係。
可選地，所述通過基站資料模型採集各種基站上傳的KPI參數與警報事件，包括：接收基站上傳的文件，提取文件內容；根據所述基站模型對提取的文件內容進行資料過濾；將過濾後的資料通過所述基站模型計算出KPI指標與警報事件。
可選地，所述根據接收的基站的KPI指標和警報事件，更新基站的健康度結果，包括：將接收到的KPI指標與預設閾值進行比較，得到第一比較結果；判斷是否收到警報事件，以及當收到警報事件時判斷警報事件的等級，得到第二比較結果：根據第一比較結果和第二比較結果判斷所述基站的健康度等級。
可選地，所述基站的健康度等級包括健康、亞健康、故障、損壞。
可選地，對所述基站健康度管理模型進行線下模型訓練，包括：選定部分KPI指標作為預測目標，按KPI頂層分類進行模型劃分，每個分類一個模型，分類中權重前二的指標組合成一個二維預測目標（x,y）；把類別中所有KPI指標進行歸一化處理，構建向量組（a,b,c,...n）,取時間向量t-1的向量組構建訓練集，時間向量t的（x,y）作為結果，構建訓練資料；對訓練資料採用預設比例(例如，7：3)劃分訓練集與驗證集；通過系統預設BP神經網路演算法，LightGBM梯度演算法，線性回歸演算法三種演算法輪循訓練模型，取預測準確率最高的模型作為該KPI指標類別的預測模型；定時對預測模型進行更新。
可選地，根據所述基站健康度管理模型實現KPI參數與警報事件的線上預測，包括：過濾各個分類組的KPI指標，取出模型輸入相關的目標KPI指標並進行歸一化處理，構建特徵資料集；把特徵資料導入即時分析模型；對預測出的KPI指標進行域值判斷，超出預設門限則為KPI指標異常；若存在KPI指標異常，查詢警報知識庫，檢索是否有其關聯的警報事件，若有則進行警報預警；根據KPI指標與警報事件，計算健康度預測結果，生成KPI預測結果多維分析報表並進行預警通知。
本發明實施例還提供一種裝置，所述裝置包括記憶體、處理器及存儲在所述記憶體上並可在所述處理器上運行的基站運行的健康管理程式，所述基站運行的健康管理程式被所述處理器執行時實現上述的基站運行的健康管理方法的步驟。
本發明實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程式，所述計算機程式被處理器執行時實現如上所述的基站運行的健康管理方法的步驟。
相較於現有技術，所述基站運行的健康管理方法、裝置及計算機可讀存儲介質，能夠通過基站模型管理實現不同基站的遠端監控集成，使用健康度管理對基站運行穩定性與性能狀態進行評價，通過按服務區分組與KPI指標與警報事件，構建基站健康度管理模型，使使用者能直觀感知基站當前運行狀況；通過對KPI指標進行預測，並對預測後的KPI指標異常情況與警報事件進行關聯，進而對警報事件進行預測，通過KPI指標預測結果多維分析報表和警報事件預警，使用戶能夠預先發現潛在的基站運行問題，提前調整基站配置，或排查維修。
參閱圖1所示，是本發明實施方式之裝置1較佳實施例的運行環境圖。裝置1包括運行的基站運行的健康管理系統10。裝置1中還包括記憶體20和處理器30等。
其中，所述記憶體20至少包括一種類型的可讀存儲介質，所述可讀存儲介質包括快閃記憶體、硬碟、多媒體卡、卡型記憶體（例如，SD或DX記憶體等）、隨機訪問記憶體（RAM）、靜態隨機訪問記憶體（SRAM）、唯讀記憶體（ROM）、電可擦除可程式設計唯讀記憶體（EEPROM）、可程式設計唯讀記憶體（PROM）、磁性記憶體、磁片、光碟等。所述處理器30可以是中央處理器（Central Processing Unit，CPU）、控制器、微控制器、微處理器、或其他資料處理晶片等。
參閱圖2所示，是本發明基站運行的健康管理系統10較佳實施例的程式模組圖。
所述基站運行的健康管理系統10包括模型建立模組101、採集模組102、管理模組103、訓練模組104及預測模組105。所述模組被配置成由一個或多個處理器（本實施例為一個處理器30）執行，以完成本發明。本發明所稱的模組是完成一特定指令的電腦程式段。記憶體20用於存儲基站運行的健康管理系統10的程式碼等資料。所述處理器30用於執行所述記憶體20中存儲的程式碼。
模型建立模組101，用於建立基站模型以實現不同基站的遠端監控集成。
本實施例中，模型建立模組101，還用於：根據基站設備類別對基站進行分類，且對基站覆蓋的服務區進行分組；添加所述基站的監控類別；設置所述基站在對應監控類別下的KPI指標與警報事件；設置採集點，根據所述採集點設置KPI指標與所述採集點的對應關係。
本實施例中，不同基站會通過不同的方式上傳KPI指標與警報事件，且資料模型各不相同，為了避免不同服務區的差異對分析造成干擾，模型建立模組101根據基站設備類別對基站進行分類，且對基站覆蓋的服務區進行分組。基站監控的故障與參數繁多，少則幾十，多則過千，本實施例中通過對監控類別分類進行後續多維分析，添加類別如無線資源控制（Radio Resource Control，RRC），演進的無線接入承載（Evolved Radio Access Bearer, E-RAB），閉合用戶組（Closed user group, CSG），應用協定對應S1介面(S1 Application Protocol, S1-AP)，移動管理實體（Mobility Management Entity, MME），中央處理器（central processing unit, CPU）等。在優選的實施例中，還可以對監控類別進行多層次劃分，例如RRC下建立RRC_ESTAB，RRC_REESTAB等。設置所述基站在對應監控類別下的KPI指標與警報事件，警報事件可分為一般和嚴重兩個等級。同時為警報事件與KPI指標添加資料獲取點，為採集點配置ID，資料類型，單位，描述等參數。一個KPI指標往往是多個採集點的綜合計算結果，本實施例中，根據所述採集點設置KPI指標與所述採集點的對應關係具體包括：建立KPI指標與採集點的線性關係，或者建立KPI指標與採集點一對一的映射關係。
採集模組102，用於通過基站模型採集各種基站上傳的KPI參數與警報事件。
本實施例中，採集模組102還用於：接收基站上傳的文件，提取文件內容；根據所述基站模型對提取的文件內容進行資料過濾；步驟將過濾後的資料通過所述基站模型計算出KPI指標與警報事件。
採集模組102使用tr069，Net-Config與基站進行配置連接。基站通過傳輸協議(例如文件傳輸通訊協定（File Transfer Protocol，FTP），超文字傳輸協定（Hypertext Transfer Protocol，HTTP）等)上傳文件，裝置1接收基站上傳的文件後提取文件內容，並根據基站對應的基站模型對提取的文件內容進行資料過濾，刪除多餘的資料，將過濾後的資料通過所述基站模型計算出KPI指標與警報事件，同時存儲在資料庫中。
模型建立模組101還用於對基站覆蓋的服務區進行分組，根據服務區分組，KPI指標與警報事件，構建基站運行的健康度管理模型。
管理模組103，用於接收的基站的KPI指標和警報事件，根據所述基站健康度管理模型更新基站的健康度結果。
本實施例中，基站的健康度等級包括健康、亞健康、故障、損壞四個等級。管理模組103將接收到的KPI指標與預設閾值進行比較，得到第一比較結果；判斷是否收到警報事件，以及當收到警報事件時判斷警報事件的等級，得到第二比較結果：根據第一比較結果和第二比較結果判斷所述基站的健康度等級。例如，若所有KPI指標均正常且無警報事件，則為健康；若有KPI指標異常且比例低於5%，或發生一般警報事件，則為亞健康；若KPI指標異常比例超過5%，或發生1個嚴重警報事件，則為故障；若無KPI指標，或KPI指標異常比例超過10%，或發生多個嚴重警報事件，則為損壞。本實施例中，預設閾值由開發人員根據實際需要進行設置，不限於舉例。
訓練模組104，用於對所述基站健康度管理模型進行線下模型訓練。
具體地，訓練模組104通過以下方式對所述基站健康度管理模型進行線下模型訓練包括：選定部分KPI指標作為預測目標，按KPI頂層分類進行模型劃分，每個分類一個模型，分類中權重前二的指標組合成一個二維預測目標（x,y），把類別中所有KPI指標進行歸一化處理，構建向量組（a,b,c,...n），取時間向量t-1的向量組構建訓練集，時間向量t的（x,y）作為結果，構建訓練資料；對訓練資料採用預設比例(例如，7：3)劃分訓練集與驗證集，例如，可以限制訓練集與驗證集資料總量為1000條最近記錄，避免訓練時間過長，在優選的實施例中，採用自動有限元特徵過濾，每個模型只取關聯係數排名前五的KPI指標作為優化後的訓練集，減少模型訓練負荷，進一步地通過系統預設BP神經網路演算法，LightGBM梯度演算法，線性回歸演算法三種演算法輪循訓練模型，取預測準確率最高的模型作為該KPI指標類別的預測模型；定時對預測模型進行更新。
預測模組105，用於根據訓練後的所述基站健康度管理模型實現KPI參數與警報事件的線上預測。
具體地，預測模組105過濾各個分類組的KPI指標，取出模型輸入相關的目標KPI指標並進行歸一化處理，構建特徵資料集；把特徵資料導入即時分析模型；對預測出的KPI指標進行域值判斷，超出預設門限則為KPI指標異常，若存在KPI指標異常（如KPI_1,KPI_2），查詢警報知識庫，檢索是否有其關聯的警報事件，若有則進行警報預警；根據KPI指標與警報事件，計算健康度預測結果，生成KPI預測結果多維分析報表並進行預警通知。
本實施例中，能夠通過基站模型管理實現不同基站的遠端監控集成，使用健康度管理對基站運行穩定性與性能狀態進行評價，通過按服務區分組與KPI指標與警報事件，構建基站健康度管理模型，使使用者能直觀感知基站當前運行狀況；通過對KPI指標進行預測，並對預測後的KPI指標異常情況與警報事件進行關聯，進而對警報事件進行預測，通過KPI指標預測結果多維分析報表和警報事件預警，使用戶能夠預先發現潛在的基站運行問題，提前調整基站配置，或排查維修。
參閱圖3所示，是本發明較佳實施例之基站運行的健康管理方法的流程圖。所述基站運行的健康管理方法應用於裝置1，可通過所述處理器30執行圖2所示的模組101~105而實現。
步驟S300，建立基站資料模型以實現不同基站的遠端監控集成。
本實施例中，如圖4所示，步驟S300包括：步驟S401，根據基站設備類別對基站進行分類；步驟S402，添加所述基站的監控類別；步驟S403，設置所述基站在對應監控類別下的KPI指標與警報事件；步驟S404，設置採集點，根據所述採集點設置KPI指標與所述採集點的對應關係。
本實施例中，不同基站會通過不同的方式上傳KPI指標與警報事件，且資料模型各不相同，為了避免不同服務區的差異對分析造成干擾，裝置1根據基站設備類別對基站進行分類，且對基站覆蓋的服務區進行分組。基站監控的故障與參數繁多，少則幾十，多則過千，本實施例中通過對監控類別分類進行後續多維分析，添加類別如無線資源控制（Radio Resource Control，RRC），演進的無線接入承載（Evolved Radio Access Bearer, E-RAB），閉合用戶組（Closed user group, CSG），應用協定對應S1介面(S1 Application Protocol, S1-AP)，移動管理實體（Mobility Management Entity, MME），中央處理器（central processing unit, CPU）等。在優選的實施例中，還可以對監控類別進行多層次劃分，例如RRC下建立RRC_ESTAB，RRC_REESTAB等。設置所述基站在對應監控類別下的KPI指標與警報事件，警報事件可分為一般和嚴重兩個等級。同時為警報事件與KPI指標添加資料獲取點，為採集點配置ID，資料類型，單位，描述等參數。一個KPI指標往往是多個採集點的綜合計算結果，本實施例中，根據所述採集點設置KPI指標與所述採集點的對應關係具體包括：建立KPI指標與採集點的線性關係，或者建立KPI指標與採集點一對一的映射關係。
步驟S302，通過基站資料模型採集各種基站上傳的KPI參數與警報事件。
本實施例中，如圖5所示，步驟S302包括：步驟S501，接收基站上傳的文件，提取文件內容；步驟S502，根據所述基站模型對提取的文件內容進行資料過濾；步驟S503，將過濾後的資料通過所述基站模型計算出KPI指標與警報事件。
裝置1使用tr069，Net-Config與基站進行配置連接。基站通過傳輸協議(例如文件傳輸通訊協定（File Transfer Protocol，FTP），超文字傳輸協定（Hypertext Transfer Protocol，HTTP）等)上傳文件，裝置1接收基站上傳的文件後提取文件內容，並根據基站對應的基站模型對提取的文件內容進行資料過濾，刪除多餘的資料，將過濾後的資料通過所述基站模型計算出KPI指標與警報事件，同時存儲在資料庫中。
步驟S304，對基站覆蓋的服務區進行分組，根據服務區分組，KPI指標與警報事件，構建基站運行的健康度管理模型。
步驟S306，接收的基站的KPI指標和警報事件，根據所述基站健康度管理模型更新基站的健康度結果。
本實施例中，基站的健康度等級包括健康、亞健康、故障及損壞四個等級。將接收到的KPI指標與預設閾值進行比較，得到第一比較結果；判斷是否收到警報事件，以及當收到警報事件時判斷警報事件的等級，得到第二比較結果：根據第一比較結果和第二比較結果判斷所述基站的健康度等級。例如，若所有KPI指標均正常且無警報事件，則為健康；若有KPI指標異常且比例低於5%，或發生一般警報事件，則為亞健康；若KPI指標異常比例超過5%，或發生1個嚴重警報事件，則為故障；若無KPI指標，或KPI指標異常比例超過10%，或發生多個嚴重警報事件，則為損壞。本實施例中，預設閾值由開發人員根據實際需要進行設置，不限於舉例：
進一步地，在優選的實施例中，所述方法還包括:
步驟S308，對所述基站健康度管理模型進行線下模型訓練。
具體地，對所述基站健康度管理模型進行線下模型訓練包括：選定部分KPI指標作為預測目標，按KPI頂層分類進行模型劃分，每個分類一個模型，分類中權重前二的指標組合成一個二維預測目標（x,y），把類別中所有KPI指標進行歸一化處理，構建向量組（a,b,c,...n），取時間向量t-1的向量組構建訓練集，時間向量t的（x,y）作為結果，構建訓練資料；對訓練資料採用預設比例(例如，7：3)劃分訓練集與驗證集，例如，可以限制訓練集與驗證集資料總量為1000條最近記錄，避免訓練時間過長，在優選的實施例中，採用自動有限元特徵過濾，每個模型只取關聯係數排名前五的KPI指標作為優化後的訓練集，減少模型訓練負荷，進一步地通過系統預設BP神經網路演算法，LightGBM梯度演算法，線性回歸演算法三種演算法輪循訓練模型，取預測準確率最高的模型作為該KPI指標類別的預測模型；定時對預測模型進行更新。
步驟S310，根據訓練後的所述基站健康度管理模型實現KPI參數與警報事件的線上預測。
具體地，過濾各個分類組的KPI指標，取出模型輸入相關的目標KPI指標並進行歸一化處理，構建特徵資料集；把特徵資料導入即時分析模型；對預測出的KPI指標進行域值判斷，超出預設門限則為KPI指標異常，若存在KPI指標異常（如KPI_1,KPI_2），查詢警報知識庫，檢索是否有其關聯的警報事件，若有則進行警報預警；根據KPI指標與警報事件，計算健康度預測結果，生成KPI預測結果多維分析報表並進行預警通知。
通過將上述方法應用於上述裝置，能夠通過基站模型管理實現不同基站的遠端監控集成，使用健康度管理對基站運行穩定性與性能狀態進行評價，通過按服務區分組與KPI指標與警報事件，構建基站健康度管理模型，使使用者能直觀感知基站當前運行狀況；通過對KPI指標進行預測，並對預測後的KPI指標異常情況與警報事件進行關聯，進而對警報事件進行預測，通過KPI指標預測結果多維分析報表和警報事件預警，使用戶能夠預先發現潛在的基站運行問題，提前調整基站配置，或排查維修。
值得注意的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。
10:裝置 10:基站運行的健康管理系統 20:記憶體 30:處理器 101:模型建立模組 102:採集模組 103:管理模組 104:訓練模組 105:預測模組 S300~S310:步驟 S401~S404:步驟 S501~S503:步驟
圖1為本發明較佳實施例之裝置的運行環境圖。 圖2為本發明裝置的基站運行的健康管理系統較佳實施例的程式模組圖。 圖3為本發明較佳實施例之基站運行的健康管理方法的流程圖。 圖4為本發明圖3中步驟S300的子步驟的流程圖。 圖5為本發明圖3中步驟S302的子步驟的流程圖。
無
S300~S310:步驟

Claims (10)

  1. 一種基站運行的健康管理方法，其中，所述方法包括: 建立基站資料模型以實現不同基站的遠端監控集成； 通過基站資料模型採集各種基站上傳的KPI指標與警報事件； 對基站覆蓋的服務區進行分組，根據服務區分組，KPI指標與警報事件，構建基站運行的健康度管理模型； 接收基站上傳的KPI指標和警報事件，根據所述基站健康度管理模型更新基站的健康度結果。
  2. 如請求項1所述的基站運行的健康管理方法，其中，所述方法還包括： 對所述基站健康度管理模型進行線下模型訓練； 根據訓練後的所述基站健康度管理模型實現KPI指標與警報事件的線上預測。
  3. 如請求項1所述的基站運行的健康管理方法，其中，所述建立基站資料模型以實現不同基站的遠端監控集成，包括： 根據基站設備類別對基站進行分類； 添加所述基站的監控類別； 設置所述基站在對應監控類別下的KPI指標與警報事件； 設置採集點，根據所述採集點設置KPI指標與所述採集點的對應關係。
  4. 如請求項1所述的基站運行的健康管理方法，其中，所述通過基站資料模型採集各種基站上傳的KPI指標與警報事件，包括： 接收基站上傳的文件，提取文件內容； 根據所述基站模型對提取的文件內容進行資料過濾； 將過濾後的資料通過所述基站模型計算出KPI指標與警報事件。
  5. 如請求項1所述的基站運行的健康管理方法，其中，所述根據所述基站健康度管理模型更新基站的健康度結果，包括： 將接收到的KPI指標與預設閾值進行比較，得到第一比較結果； 判斷是否收到警報事件，以及當收到警報事件時判斷警報事件的等級，得到第二比較結果： 根據所述第一比較結果和所述第二比較結果判斷所述基站的健康度等級。
  6. 如請求項5所述的基站運行的健康管理方法，其中，所述基站的健康度等級包括健康、亞健康、故障及損壞。
  7. 如請求項2所述的基站運行的健康管理方法，其中，所述對所述基站健康度管理模型進行線下模型訓練，包括： 選定部分KPI指標作為預測目標，按KPI頂層分類進行模型劃分，每個分類一個模型，分類中權重前二的指標組合成一個二維預測目標（x,y）； 把類別中所有KPI指標進行歸一化處理，構建向量組（a,b,c,...n）,取時間向量t-1的向量組構建訓練集，時間向量t的（x,y）作為結果，構建訓練資料； 對訓練資料採用預設比例劃分訓練集與驗證集； 通過系統預設BP神經網路演算法，LightGBM梯度演算法，線性回歸演算法三種演算法輪循訓練模型，取預測準確率最高的模型作為該KPI指標類別的預測模型； 定時對預測模型進行更新。
  8. 如請求項2所述的基站運行的健康管理方法，其中，所述根據訓練後的所述基站健康度管理模型實現KPI指標與警報事件的線上預測，包括： 過濾各個分類組的KPI指標，取出模型輸入相關的目標KPI指標並進行歸一化處理，構建特徵資料集； 把特徵資料導入即時分析模型； 對預測出的KPI指標進行域值判斷，超出預設門限則為KPI指標異常； 若存在KPI指標異常，查詢警報知識庫，檢索是否有其關聯的警報事件，若有則進行警報預警； 根據KPI指標與警報事件，計算健康度預測結果，生成KPI預測結果多維分析報表並進行預警通知。
  9. 一種裝置，其中，所述裝置包括記憶體、處理器及存儲在所述記憶體上並可在所述處理器上運行的基站運行的健康管理程式，所述基站運行的健康管理程式被所述處理器執行時實現如請求項1至8中任一項所述的基站運行的健康管理方法的步驟。
  10. 一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質上存儲有計算機程式，所述計算機程式被處理器執行時實現如請求項1至8中任一項所述的基站運行的健康管理方法的步驟。
TW111120509A 2021-07-29 2022-06-01 基站運行的健康管理方法、裝置及計算機可讀存儲介質 TWI800395B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110866591.0 2021-07-29
CN202110866591.0A CN115689320A (zh) 2021-07-29 2021-07-29 基站运行的健康管理方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
TW202306347A true TW202306347A (zh) 2023-02-01
TWI800395B TWI800395B (zh) 2023-04-21

Family

ID=85038518

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111120509A TWI800395B (zh) 2021-07-29 2022-06-01 基站運行的健康管理方法、裝置及計算機可讀存儲介質

Country Status (3)

Country Link
US (1) US20230034061A1 (zh)
CN (1) CN115689320A (zh)
TW (1) TWI800395B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024015883A1 (en) * 2022-07-12 2024-01-18 Parallel Wireless, Inc. Top kpi early warning system
CN117848280B (zh) * 2024-03-07 2024-05-24 中建五局第三建设有限公司 一种异型大跨度悬挑钢结构的在线健康监测方法及系统
CN118474776B (zh) * 2024-07-12 2024-09-20 浙江省邮电工程建设有限公司 一种人工智能云平台构建方法与系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
HRP20050953B1 (en) * 2005-11-08 2012-04-30 T-Mobile Hrvatska D.O.O. Base station system performance measurement system in a gsm radio communicatioon network
EP2296322A4 (en) * 2008-07-03 2017-06-07 ZTE Corporation Synchronization, scheduling, network management and frequency assignment method of a layered wireless access system
WO2010000109A1 (zh) * 2008-07-03 2010-01-07 中兴通讯股份有限公司 一种分层无线接入系统及该系统中的接入点管理单元
TW201344426A (zh) * 2012-04-24 2013-11-01 Radiq Corp 雲端電源區域監控管理系統
CN103109560B (zh) * 2012-09-07 2016-09-28 华为技术有限公司 一种操作维护通道的故障恢复方法和网络管理终端
US9668236B2 (en) * 2015-03-25 2017-05-30 Lg Electronics Inc. Method and apparatus for monitoring user equipment reachability in wireless communication system
CN107548085A (zh) * 2016-06-24 2018-01-05 中兴通讯股份有限公司 基站版本回退方法及系统
US10637588B1 (en) * 2019-06-10 2020-04-28 Nanning Fugui Precision Industrial Co., Ltd. Method for eliminating adjacent channel interference and small base station
CN115334529A (zh) * 2021-05-10 2022-11-11 中兴通讯股份有限公司 基站性能优化方法、装置、基站及存储介质
CN117528560A (zh) * 2022-07-29 2024-02-06 中兴通讯股份有限公司 基站状态确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20230034061A1 (en) 2023-02-02
CN115689320A (zh) 2023-02-03
TWI800395B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
CN111047082B (zh) 设备的预警方法及装置、存储介质和电子装置
TW202306347A (zh) 基站運行的健康管理方法、裝置及計算機可讀存儲介質
CN112187514A (zh) 一种数据中心网络设备智能运维系统、方法及终端
CN114282434A (zh) 一种工业设备健康管理系统及方法
CN105325023B (zh) 用于小区异常检测的方法和网络设备
CN112817280A (zh) 一种用于火电厂智慧监盘报警系统实现方法
CN101764846B (zh) 一种远程集中式磁盘阵列运行监控系统的实现方法
US10613501B2 (en) Method and apparatus for providing equipment maintenance via a network
WO2019196869A1 (zh) 一种确定巡检基站列表的方法以及巡检装置
US20190195525A1 (en) Method and apparatus for operating heating and cooling equipment via a network
TWI684139B (zh) 基於自動學習的基地台異常之預測的系統與方法
CN110891283A (zh) 一种基于边缘计算模型的小基站监控装置及方法
CN113556768B (zh) 传感器数据异常检测方法和系统
CN112270429A (zh) 基于云边协同的动力电池极片制造设备维护方法和系统
CN113313280B (zh) 云平台的巡检方法、电子设备及非易失性存储介质
CN114358106A (zh) 系统异常检测方法、装置、计算机程序产品及电子设备
CN111756560A (zh) 一种数据处理方法、装置及存储介质
CN115038088B (zh) 一种智能网络安全检测预警系统和方法
WO2023207689A1 (zh) 一种变更风险评估方法、设备及存储介质
CN111445034A (zh) 一种工业设备故障预测的系统及方法
CN117792864A (zh) 一种告警处理方法、装置、存储介质及电子装置
CN117422938B (zh) 基于三维分析平台的坝坡混凝土结构异常分析方法
CN110430261A (zh) 探测设备故障处理方法及装置
WO2024066720A1 (zh) 指标阈值的确定方法、装置、存储介质及电子装置
CN116611953A (zh) 基于物联网的电能表生产制造实时数据管理方法和系统