一种多故障数据解耦方法和装置制造方法及图纸

本发明专利技术公开了一种多故障数据解耦方法和装置，所述方法将使用关联分析方法的频繁项集分析结果用于故障数据解耦中去根因化和去相关化，基于去跟因化和去相关化后的故障数据，使用单故障数据情况下的相关系数矩阵为告警数据选择归属故障。该解耦方法具有关联分析方法的特点：准确率高和鲁棒性强，且相对于现网中的人工方法提高了工作效率，为故障告警数据的大规模数据挖掘分析提供了可能。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其涉及一种多故障数据解耦方法和装置。
技术介绍
通信网络中的故障指的是组成被管网络的硬件设备或者软件设备所发生的功能异常。通信网络中的告警指的是特定事件发生时被管对象发出的通报构成的事件报告，用于传递告警信息。通信网络中的故障和故障之间，故障和告警之间的关系较为复杂。故障与故障之间，一个故障可以独立存在，也可能一个故障引发多个故障，例如IUB口的故障引发用户的掉话，电力系统故障引发单板掉电从而小区退服用户掉话等。故障与告警之间，一个故障可能产生了一个告警也可能产生多个告警。一条告警的出现也表明可能有故障发生，而不是一定有故障发生。根据网络中的告警信息，进行通信网络的故障分析是研究网络的维护管理的重要工作之一。目前基于数据挖掘的方法进行通信网络故障分析的研究中，通过数据挖掘的各种分类算法对单故障数据信息根据告警信息进行故障分析的方法已有不少研究成果。而实际网络中采集的数据，为在同一区域和时间的多告警信息及对应的多故障数据。既存在相关故障的同时发生，即根因故障和从属故障同时存在，也存在多不相关的故障同时发生情况。因此要根据现有的研究方法根据告警信息进行故障根因分析，需要考虑多故障发生情况下，采集的告警数据与在多故障之间进行数据解耦方法：对多故障情况下，进行故障数据之间的相关性分析；对相关的多故障，给出故障的根因；给出告警数据的归属故障。实际网络中目前采取网络维护工程师进行人工数据处理。该方法一方面人工成本高，且准确性受限于工程师的水平，另一方面工作效率无法满足大数据的故障分析的需求。
技术实现思路
本专利技术提供一种多故障数据解耦方法和装置，用以解决现有技术采用的数据解耦方法效率低下，无法满足大数据的故障分析需求的问题。依据本专利技术的一个方面，提供一种多故障数据解耦方法，包括：获取同一时间在同一区域采集的K组告警数据和K组故障数据，其中，每组故障数据均按故障优先级排序；对K组故障数据使用关联分析算法，得到故障频繁项集X，并将所述故障频繁项集X转化为故障两两相关矩阵R；基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化；提取与故障去相关化和根因化后存在多不相关故障的各故障数据组对应的各组告警数据，根据告警与各故障之间的相关性，确定提取的各组告警数据中每个告警所归属的故障。可选地，本专利技术所述方法中，所述将故障频繁项集X转化为故障两两相关矩阵R的转化原则为：对于在任一频繁项集中同时存在的两两故障标记为相关，对于所有频繁项集中都没有同时存在的两两故障标记为不相关；所述故障两两相关矩阵R中的元素表示两两故障间是否相关。可选地，本专利技术所述方法中，所述基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化的原则为：若故障两两相关矩阵R中表示相关的两故障同时存在于多故障的故障数据组中，则高优先级故障存在的情况下，保留高优先级故障，删除低优先级故障；若故障两两相关矩阵R中表示不相关的两个故障同时存在于多故障的故障数据组中，则两个故障同时保留。可选地，本专利技术所述方法中，所述根据告警与各故障之间的相关性，确定提取的各组告警数据中每个告警所归属的故障，具体包括：对于提取的每组告警数据，获取与其对应的故障去相关化和根因化后的故障数据组中包含的各故障，得到故障集合；对于提取的每组告警数据，确定告警数据中每个告警与对应故障集合中各故障相关性最高的故障为对应告警所归属的故障。可选地，本专利技术所述方法中，还包括：根据K组故障数据中单故障的故障数据组，计算各告警与各故障之间的皮尔逊相关系数，并通过皮尔逊相关系数来表示告警与各故障之间的相关性。依据本专利技术的另一各方面，提供一种多故障数据解耦装置，包括：数据输入单元，用于获取同一时间在同一区域采集的K组告警数据和K组故障数据，其中，每组故障数据均按故障优先级排序；数据处理单元，用于对K组故障数据使用关联分析算法，得到故障频繁项集X，将所述故障频繁项集X转化为故障两两相关矩阵R，并基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化；解耦单元，用于提取与故障去相关化和根因化后存在多不相关故障的各故障数据组对应的各组告警数据，根据告警与各故障之间的相关性，确定提取的各组告警数据中每个告警所归属的故障。可选地，本专利技术所述装置中，所述数据处理单元将故障频繁项集X转化为故障两两相关矩阵R的转化原则为：对于在任一频繁项集中同时存在的两两故障标记为相关，对于所有频繁项集中都没有同时存在的两两故障标记为不相关；所述故障两两相关矩阵R中的元素表示两两故障间是否相关。可选地，本专利技术所述装置中，所述数据处理单元基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化的原则为：若故障两两相关矩阵R中表示相关的两故障同时存在于多故障的故障数据组中，则高优先级故障存在的情况下，保留高优先级故障，删除低优先级故障；若故障两两相关矩阵R中表示不相关的两个故障同时存在于多故障的故障数据组中，则两个故障同时保留。可选地，本专利技术所述装置中，所述故障解耦单元，具体用于对于提取的每组告警数据，获取与其对应的故障去相关化和根因化后的故障数据组中包含的各故障，得到故障集合；对于提取的每组告警数据，确定告警数据中每个告警与对应故障集合中各故障相关性最高的故障为对应告警所归属的故障。可选地，本专利技术所述装置中，所述数据处理单元，还用于根据K组故障数据中单故障的故障数据组，计算各告警与各故障之间的皮尔逊相关系数，以通过皮尔逊相关系数来表示告警与各故障之间的相关性。本专利技术有益效果如下：本专利技术揭示的技术方案，具有关联分析方法的特点：准确率高和鲁棒性强，且相对于现网中的人工方法提高了工作效率，为故障告警数据的大规模数据挖掘分析提供了可能。附图说明为了更清楚地说明本专利技术实施例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一简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的一种多故障数据解耦方法的流程图；图2为本专利技术实施例二提供的一种多故障数据解耦方法的流程图；...

【技术保护点】
一种多故障数据解耦方法，其特征在于，包括：获取同一时间在同一区域采集的K组告警数据和K组故障数据，其中，每组故障数据均按故障优先级排序；对K组故障数据使用关联分析算法，得到故障频繁项集X，并将所述故障频繁项集X转化为故障两两相关矩阵R；基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化；提取与故障去相关化和根因化后存在多不相关故障的各故障数据组对应的各组告警数据，根据告警与各故障之间的相关性，确定提取的各组告警数据中每个告警所归属的故障。

【技术特征摘要】
1.一种多故障数据解耦方法，其特征在于，包括：
获取同一时间在同一区域采集的K组告警数据和K组故障数据，其中，每
组故障数据均按故障优先级排序；
对K组故障数据使用关联分析算法，得到故障频繁项集X，并将所述故障
频繁项集X转化为故障两两相关矩阵R；
基于所述故障两两相关矩阵R，对K组故障数据中存在多故障的故障数据
组进行故障去相关化和根因化；
提取与故障去相关化和根因化后存在多不相关故障的各故障数据组对应的
各组告警数据，根据告警与各故障之间的相关性，确定提取的各组告警数据中
每个告警所归属的故障。
2.如权利要求1所述的方法，其特征在于，所述将故障频繁项集X转化为
故障两两相关矩阵R的转化原则为：对于在任一频繁项集中同时存在的两两故
障标记为相关，对于所有频繁项集中都没有同时存在的两两故障标记为不相关；
所述故障两两相关矩阵R中的元素表示两两故障间是否相关。
3.如权利要求2所述的方法，其特征在于，所述基于所述故障两两相关矩
阵R，对K组故障数据中存在多故障的故障数据组进行故障去相关化和根因化
的原则为：
若故障两两相关矩阵R中表示相关的两故障同时存在于多故障的故障数据
组中，则高优先级故障存在的情况下，保留高优先级故障，删除低优先级故障；
若故障两两相关矩阵R中表示不相关的两个故障同时存在于多故障的故障
数据组中，则两个故障同时保留。
4.如权利要求1所述的方法，其特征在于，所述根据告警与各故障之间的
相关性，确定提取的各组告警数据中每个告警所归属的故障，具体包括：
对于提取的每组告警数据，获取与其对应的故障去相关化和根因化后的故
障数据组中包含的各故障，得到故障集合；
对于提取的每组告警数据，确定告警数据中每个告警与对应故障集合中各
故障相关性最高的故障为对应告警所归属的故障。
5.如权利要求1或4所述的方法，其特征在于，所述方法中，根据K组故
障数据中单故障的故障数据组，计算各告警与各故障之间的皮尔逊相关系数，
并通过皮尔逊相关系数来表示告警与各故障之间的相关性。
6.一种...

【专利技术属性】
技术研发人员：赵春华，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东;44