故障原因定位方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种故障原因定位方法、装置、电子设备及存储介质，涉及通信技术领域。故障原因定位方法包括：对故障管理系统上报的历史告警数据进行预处理；通过PSO算法优化训练模型的初始权值阈值至训练模型对应的目标函数算法收敛；基于寻优的初始权值阈值，将预处理后的历史告警数据作为训练模型的输入、历史告警数据对应的故障原因作为训练模型的输出进行训练，得到故障原因定位模型；基于故障原因定位模型进行故障原因定位。本申请公开的故障原因定位方法、装置、电子设备及存储介质够快速准确的得出大面积故障的故障原因。快速准确的得出大面积故障的故障原因。快速准确的得出大面积故障的故障原因。

【技术实现步骤摘要】
故障原因定位方法、装置、电子设备及存储介质


[0001]本申请涉及通信
，尤其涉及一种故障原因定位方法、装置、电子设备及存储介质。

技术介绍

[0002]通信运营商在为用户提供通信业务服务的过程中，若通信业务发生大面故障，相应覆盖范围内的用户业务会受到影响，用户的服务的投诉可能骤升，甚至导致企业形象受损和业务下滑。
[0003]目前，对于大面积故障的原因定位，大多采用人工分析的方式，大面积故障的原因定位分析时，依赖于分析者对业务逻辑的熟练掌握和精准的资源拓扑，且不论业务逻辑的掌握能力非一日之功，资源拓扑的清查也不可一蹴而就，因此采用人工分析的方式，大面积故障的原因定位效率和准确率都难以达到期望的要求。
[0004]因此，在面对大面积故障发生时，如何快速而准确地定位故障原因，以支撑维护处理过程，减低大面积故障带来的损失，已成为现有技术中亟待解决的问题。

技术实现思路

[0005]本申请实施例提供一种故障原因定位方法、装置、电子设备及存储介质，以至少解决相关技术中大面积故障原因定位效率和准确率低的问题。
[0006]本申请的技术方案如下：
[0007]一种故障原因定位方法，包括：
[0008]对故障管理系统上报的历史告警数据进行预处理；
[0009]通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛；
[0010]基于寻优的所述初始权值阈值，将预处理后的所述历史告警数据作为所述训练模型的输入、所述历史告警数据对应的故障原因作为所述训练模型的输出进行训练，得到故障原因定位模型。
[0011]一种故障原因定位装置，包括：
[0012]预处理模块，被配置成对故障管理系统上报的历史告警数据进行预处理；
[0013]优化模块，被配置成通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛；
[0014]训练模块，被配置成基于寻优的所述初始权值阈值，将预处理后的所述历史告警数据作为所述训练模型的输入、所述历史告警数据对应的故障原因作为所述训练模型的输出进行训练，得到故障原因定位模型。
[0015]一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述所述的方法步骤。
[0016]一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序
被处理器执行时实现上述所述的方法步骤。
[0017]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0018]由于故障原因定位模型是在通过PSO算法优化训练模型的初始权值阈值至算法收敛的情况下，以故障管理系统上报的历史告警数据作为训练模型的输入、历史告警数据对应的故障原因作为训练模型的输出进行训练得到的，因此通过该故障原因定位模型能够快速准确的得出大面积故障的故障原因，以支撑维护处理过程，减低大面积故障带来的损失。
附图说明
[0019]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0020]图1为本申请实施例提供的应用环境示意图。
[0021]图2为本申请实施例提供的故障原因定位方法的流程图。
[0022]图3为本申请实施例提供的通过PSO算法优化训练模型的初始权值阈的流程图。
[0023]图4为本申请实施例提供的基于故障原因定位模型进行故障原因定位的流程图。
[0024]图5为本申请实施例提供的电子设备的结构示意图。
[0025]图6为本申请实施例提供的故障原因定位装置的结构示意图。
具体实施方式
[0026]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0027]为了在通信业务发生大面积故障时，能够快速而准确地定位故障原因，本申请实施例提供了一种故障原因定位方法、装置、电子设备及存储介质，该故障原因定位方法、装置、电子设备及存储介质能够在通信运营商为用户提供的通信业务发生大面积故障时，快速准确地定位出故障原因。
[0028]首先，为了更直观地理解本申请实施例提供的方案，下面结合图1，对本申请实施例提供的故障原因定位模型训练方案的系统架构进行说明。
[0029]如图1所示，是本申请一个或多个实施例提供的故障原因定位方法、装置、电子设备及存储介质的应用环境示意图。如图1所示，电子设备100通过网络300与故障管理系统200通信连接，以进行数据通信或交互。所述电子设备100可以是服务器或用户终端设备(如个人电脑)等。所述故障管理系统可以是在为用户提供通信业务服务过程中用于采集传输业务告警、动环监控告警、无线业务告警以及家庭宽带业务告警等的服务器。所述网络300可以是有线或无线网络。
[0030]下面将对本申请实施例提供的故障原因定位方法进行详细说明。
[0031]本申请实施例提供的故障原因定位方法可应用于电子设备100，为了便于描述，除特别说明外，本申请实施例均以电子设备100为执行主体进行说明。
[0032]可以理解，所述执行主体并不构成对本申请实施例的限定。
[0033]具体的，该故障原因定位方法如图2所示，可以包括如下步骤：
[0034]步骤S21，对故障管理系统上报的历史告警数据进行预处理。
[0035]本申请实施例中，历史告警数据可以是故障管理系统之前上报一定时间段内的传输业务告警、动环监控告警、无线业务告警以及家庭宽带业务告警等告警的数量。
[0036]其中，无线业务告警可以包括基站退服和基站侧点云类告警，传输业务告警可以包括分组传送网(Packet Transport Network，PTN)/同步数值系统(Synchronous Digital Hierarchy，SDH)侧通断类告警、PTN/SDH温度类告警、PTN/SDH设备类告警、PTN/SDH性能类告警、波分线路侧通断类告警、波分温度类告警、波分设备类告警以及波分性能类告警等，动环监控告警可以包括动环监控停电类告警和动环监控电压类告警，家庭宽带业务告警可以包括光线路终端(optical line terminal，OLT)退服类告警。
[0037]该一定时间段可以根据实际情况设定，例如可以设置为15分钟、30分钟等。其中，动环监控告警上报的时间间隔可以相对设置长一些。
[0038]历史告警数据可能存在一定的噪声数据，因此在对历史告警数据进行预处理时，可先对历史告警数据进行去燥，剔除掉历史告警数据中无效数据和错误数据。其中，无效数据和错误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障原因定位方法，其特征在于，包括：对故障管理系统上报的历史告警数据进行预处理；通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛；基于寻优的所述初始权值阈值，将预处理后的所述历史告警数据作为所述训练模型的输入、所述历史告警数据对应的故障原因作为所述训练模型的输出进行训练，得到故障原因定位模型；基于所述故障原因定位模型进行故障原因定位。2.根据权利要求1所述的方法，其特征在于，所述基于所述故障原因定位模型进行故障原因定位，包括：接收所述故障管理系统上报的当前告警数据；对所述当前告警数据进行预处理；将预处理后的所述当前告警数据输入到预先训练的所述故障原因定位模型，以得到与所述当前告警数据对应的故障原因。3.根据权利要求1所述的方法，其特征在于，所述通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛，包括：在经过PSO算法的种群初始化、适应度计算、个体最优粒子更新和全局最优粒子更新后，计算种群中全局最优粒子的变异概率；基于全局最优粒子的变异概率，对全局最优极值执行变异；更新种群中的粒子的速度和位置以寻找所述全局最优极值；当以所述全局最优极值作为所述训练模型初始的权值阈值并使得训练模型对应的目标函数算法收敛或所述PSO算法的迭代次数达到预设的次数时，将所述全局最优极值作为所述训练模型的初始权值阈值。4.根据权利要求3所述的方法，其特征在于，所述计算种群中全局最优粒子的变异概率的计算公式为其中，k为迭代次数，ρ为改变指数曲线变化率的扩张常数，为第k代的种群适应度方差，p
max
为变异概率的最大值，p
min
为变异概率的最小值；所述计算种群中的全局最优极值的计算公式为其中，λ为一随机数，η是满足标准正态分布的随机数，Gaussian(σ)是服从高斯分布且标准差为σ的随机数；所述迭代更新种群中的粒子的速度和位置的计算公式为和X
k+1...

【专利技术属性】
技术研发人员：吴薇，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：