设备风险预测方法、电子设备和计算机可读存储介质技术

本发明专利技术实施例涉及信息处理领域，特别涉及一种设备风险预测方法、电子设备和计算机可读存储介质。其中，设备风险预测方法，包括：分别获取多个设备的特征数据；根据特征数据获取用于预测设备风险的统计学算法模型的梯度；将统计学算法模型的梯度加密上传至公共服务器；接收公共服务器下发的更新后的梯度，更新后的梯度为公共服务器根据N个子计算节点上传的梯度进行聚合得到；根据更新后的梯度更新统计学算法模型；在更新后的统计学算法模型收敛的情况下，输出设备风险预测的结果。保证设备风险预测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
设备风险预测方法、电子设备和计算机可读存储介质


[0001]本申请实施例涉及信息处理领域，特别涉及一种设备风险预测方法、电子设备和计算机可读存储介质。

技术介绍

[0002]随着第五代移动通信技术(5th Generation Mobile Communication Technology，5G)商用逐步推进，通信设备出现过温的情况更频繁。如果设备已上报过温告警再做处理，会严重影响设备正常工作，例如导致业务中断。
[0003]为了避免业务中断影响业务的执行进程，可以对设备温度进行检测，用于预防。目前通过收集大量设备的温度数据，来进行设备环境易过温检测的，但用于检测的算法所需要的数据量较大，对于作为执行主体的单个子计算节点(例如局点)来说，单个局点数据量少且单一，不能够满足算法所需的运算条件。所以在使用过程中存在准确性不足的问题。

技术实现思路

[0004]本申请实施例的主要目的在于提出一种设备风险预测方法、电子设备和计算机可读存储介质，用于提高设备风险预测的准确性。
[0005]为实现上述目的，本申请实施例提供了一种设备风险预测方法，应用于子计算节点，包括：分别获取多个设备的特征数据；根据所述特征数据获取用于预测设备风险的统计学算法模型的梯度；将所述统计学算法模型的梯度加密上传至公共服务器；接收所述公共服务器下发的更新后的梯度，所述更新后的梯度为所述公共服务器根据N个子计算节点上传的梯度进行聚合得到；根据所述更新后的梯度更新所述统计学算法模型；在更新后的统计学算法模型收敛的情况下，输出所述设备风险预测的结果。
[0006]为实现上述目的，本申请实施例还提供一种设备风险预测方法，其特征在于，应用于公共服务器，包括：接收N个子计算节点上传的统计学算法模型的梯度；所述N个子计算节点所获取的多个设备的属性均满足预设公共条件，所述N为大于1的正整数；将所述N个子计算节点加密上传的统计学算法模型的梯度进行聚合，得到更新后的梯度；向所述N个子计算节点发送所述更新后的梯度。
[0007]为实现上述目的，本申请实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的应用于子计算节点的设备风险预测方法，或能够执行上述的应用于公共管理器的设备风险预测方法。
[0008]为实现上述目的，本申请实施例还提供了一种计算机可读存储介质，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的应用于子计算节点的设备风险预测方法，或实现上述的应用于公共管理器的设备风险预测方法。
[0009]在本申请的实施方式中，对设备是否会产生过温情况进行预测，防止由于安装环
境或其他原因导致的设备产生过温情况，从而影响业务执行和设备寿命。在子计算节点用于计算的参数少的情况下，通过统计学算法模型对易过温情况进行预测，并与公共服务器进行加密数据传输，结合公共服务器下发的优化数据进行更新调整，增加参与计算的数据量，使得当前子计算节点的预测结果更准确，提高子计算节点的预测效率。
附图说明
[0010]图1是根据本专利技术一个实施例所提供的设备风险预测方法的流程图；
[0011]图2是根据本专利技术一个实施例所提供的设备风险预测方法的示意图；
[0012]图3是根据本专利技术另一个实施例所提供的设备风险预测方法的流程图；
[0013]图4是根据本专利技术另一个实施例所提供的设备风险预测方法的示意图；
[0014]图5是根据本专利技术一个实施例所提供的的电子设备的结构示意图。
具体实施方式
[0015]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的各实施例进行详细的阐述。然而，本领域的普通技术人员可以理解，在本申请各实施例中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本申请的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
[0016]随着5G商用逐步推进，通信设备过温情况也逐步上升，而设备不同程度的过温的处理过程如下：轻微—做功率降额处理，降额后告警消失尝试功率回升，告警消失则功率恢复到原值，如果告警还在，则继续降额处理。如果降额到门限(一般3dB)还有告警，则如实将告警上报；严重—直接做关功率放大器处理，先尝试关闭部分功放。如果告警消失尝试打开关闭的功放，如果告警还在，继续关功放处理。如果全部通道的功放关完还有告警，则如实将告警上报。
[0017]如果设备已上报过温告警再做处理，会严重影响设备正常工作，例如导致业务中断。设备易过温的原因可能有很多，例如型号问题、业务量大导致功率过高、安装环境封闭等。如果可以检测设备安装环境，就可以有效预测由于安装环境散热差导致的设备过温，减少设备损害及告警发生后降额关功放等措施对业务的影响和中断。
[0018]当前对设备温度的检测包括监控和估算设备当前温度，对设备温度的预测方法较少。目前具有通过收集大量设备的温度数据，来进行设备环境易过温检测的算法，但该算法基于对大量数据的统计，而作为执行主体的单个局点数据量少且单一，存在准确性、适用性和优化效率不足的问题。
[0019]本专利技术的一个实施例涉及一种设备风险预测方法，应用于子计算节点。本实施例的设备风险预测方法的具体流程可以如图1所示，包括：
[0020]步骤101，分别获取多个设备的特征数据；
[0021]步骤102，根据特征数据获取用于预测设备风险的统计学算法模型的梯度；
[0022]步骤103，将统计学算法模型的梯度加密上传至公共服务器；
[0023]步骤104，接收公共服务器下发的更新后的梯度，更新后的梯度为公共服务器根据
N个子计算节点上传的梯度进行聚合得到；
[0024]步骤105，根据更新后的梯度更新统计学算法模型；
[0025]步骤106，在更新后的统计学算法模型收敛的情况下，输出设备风险预测的结果。
[0026]下面对本实施例的设备风险预测方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
[0027]在步骤101中，分别获取多个设备的特征数据。其中，子计算节点可以是局点，该局点获取基站收集的当前局点范围内的设备的特征数据。
[0028]在一个例子中，多个设备的属性满足预设条件；预设条件包括：多个设备的型号相同，多个设备的纬度坐标的差值在第一预设范围内，并且多个设备各自所处地区的温度差值在第二预设范围内。即，单个子计算节点或局点中，设备的属性相近，使得该子计算节点能够根据所获取的特征数据对当前属性的设备进行风险预测。
[0029]在一个例子中，设备包括射频拉远单元(Remote 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备风险预测方法，其特征在于，应用于子计算节点，包括：分别获取多个设备的特征数据；根据所述特征数据获取用于预测设备风险的统计学算法模型的梯度；将所述统计学算法模型的梯度加密上传至公共服务器；接收所述公共服务器下发的更新后的梯度，所述更新后的梯度为所述公共服务器根据N个子计算节点上传的梯度进行聚合得到；根据所述更新后的梯度更新所述统计学算法模型；在更新后的统计学算法模型收敛的情况下，输出所述设备风险预测的结果。2.根据权利要求1所述的设备风险预测方法，其特征在于，所述根据所述更新后的梯度更新所述统计学算法模型之后，还包括：在所述更新后的统计学算法模型不收敛的情况下，将所述更新后的统计学算法模型根据所述特征数据得到的梯度加密上传至公共服务器；接收所述公共服务器再次下发的更新后的梯度，根据所述公共服务器再次下发的更新后的梯度再次更新所述统计学算法模型，直到更新后的统计学算法模型收敛。3.根据权利要求1所述的设备风险预测方法，其特征在于，所述根据所述特征数据获取用于预测设备风险的统计学算法模型的梯度之前，包括：对所述多个设备的特征数据进行数据清洗。4.根据权利要求3所述的设备风险预测方法，其特征在于，所述数据清洗，包括以下之一或其任意组合：统一所述特征数据的数据格式；删除所述特征数据中的异常数据；按照时间粒度整合所述特征数据。5.根据权利要求1所述的设备风险预测方法，其特征在于，所述多个设备的属性满足预设条件；所述预设条件包括：所述多个设备的型号相同，所述多个设备的纬度坐标的差值在第一预设范围内，并且所述多个设备各自...

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