【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基站隐患预测方法、装置、设备、介质和程序产品。
技术介绍
1、随着5g网络的快速发展，网络架构变得愈加复杂，基站的稳定运行显得尤为重要。基站作为无线通信网络的重要组成部分，其正常运行直接影响到用户体验和网络服务的质量。然而，当前无线维护工作面临着诸多挑战和痛点。
2、首先，网络管理的复杂性导致运维工作难度加大，尤其是在大型基站群的管理中，人工巡检方式不仅耗时耗力，而且难以保证效率和准确性。其次，缺乏有效的主动运维手段，使得运维人员往往只能在问题发生后进行被动处理，无法提前发现和解决潜在隐患。此外，当前运维过程中的智能化水平仍然不足，无法有效利用大数据和人工智能技术进行实时监控和分析，从而导致隐患排查和处理的时效性差。因此，如何准确高效地实现基站隐患预测成为亟需解决的问题。
技术实现思路
1、本专利技术提供一种基站隐患预测方法、装置、设备、介质和程序产品，用以解决现有技术中基站隐患预测的准确性低和效率低的缺陷，实现提高基站隐患预测的准确性和效率。
2、本专利技术提供一种基站隐患预测方法，包括如下步骤：
3、获取基站的告警数据、性能数据和资源数据；
4、采用所述资源数据，对所述告警数据和所述性能数据进行预处理；
5、将预处理后的告警数据输入至第一时序预测模型，得到所述第一时序预测模型输出的所述基站存在隐患的第一概率，以及将预处理后的性能数据输入至第二时序预测模型，得到所述第二时序预测模型输出的
6、根据所述第一概率和所述第二概率，确定基站的隐患信息。
7、根据本专利技术提供的一种基站隐患预测方法，所述根据所述第一概率和所述第二概率，确定基站的隐患信息，包括：
8、根据所述第一概率，确定所述基站在当前时间段的第一基站隐患得分，以及根据所述第二概率，确定所述基站在当前时间段的第二基站隐患得分；
9、对预设的专业经验隐患得分和所述第二基站隐患得分进行加权求和，得到所述基站在当前时间段的第三基站隐患得分；
10、对所述第一基站隐患得分和所述第三基站隐患得分进行加权求和，得到所述基站在当前时间段的基站隐患得分；
11、对所述基站在当前时间段的基站隐患得分和所述基站在上一时间段的基站隐患得分进行加权求和，得到所述基站的最终隐患得分；
12、根据所述基站的最终隐患得分，确定所述基站的隐患信息。
13、根据本专利技术提供的一种基站隐患预测方法，采用所述资源数据，对所述告警数据进行预处理，包括：
14、根据所述资源数据，获取所述基站的工程状态；
15、根据所述基站的工程状态过滤无效告警数据，得到有效告警数据；
16、根据所述有效告警数据，构建训练数据矩阵；
17、按照所述有效告警数据的告警等级，对所述训练数据矩阵进行收缩，得到所述预处理后的告警数据。
18、根据本专利技术提供的一种基站隐患预测方法，所述有效告警数据的告警等级是基于以下方式确定的：
19、根据所述有效告警数据的告警标注，确定所述有效告警数据的告警等级；或者，
20、计算每类所述有效告警数据的告警占比；
21、根据所述告警占比，确定所述有效告警数据的告警等级。
22、根据本专利技术提供的一种基站隐患预测方法，采用所述资源数据，对所述性能数据进行预处理，包括：
23、对所述性能数据进行数据清洗，以去除无效、重复或异常的数据；
24、采用所述资源数据，对清洗后的性能数据进行数据整合，得到所述预处理后的性能数据。
25、根据本专利技术提供的一种基站隐患预测方法，其特征在于，所述第一时序预测模型是基于以下方式训练得到的：
26、采用所述预处理后的告警样本数据，对预设的时序特征模型进行模型训练，得到所述第一时序预测模型；
27、所述第二时序预测模型是基于以下方式训练得到的：
28、采用所述预处理后的性能样本数据，对预设的时序特征模型进行模型训练，得到所述第二时序预测模型。
29、本专利技术还提供一种基站隐患预测装置，包括如下模块：
30、获取模块，用于获取基站的告警数据、性能数据和资源数据；
31、预处理模块，用于采用所述资源数据，对所述告警数据和所述性能数据进行预处理；
32、第一隐患预测模块，用于将预处理后的告警数据输入至第一时序预测模型，得到所述第一时序预测模型输出的所述基站存在隐患的第一概率，以及将预处理后的性能数据输入至第二时序预测模型，得到所述第二时序预测模型输出的所述基站存在隐患的第二概率；所述第一时序预测模型是基于预处理后的告警样本数据训练得到的；所述第二时序预测模型是基于预处理后的性能样本数据训练得到的；
33、第二隐患预测模块，用于根据所述第一概率和所述第二概率，确定基站的隐患信息。
34、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基站隐患预测方法。
35、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基站隐患预测方法。
36、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基站隐患预测方法。
37、本专利技术提供的基站隐患预测方法、装置、设备、介质和程序产品，通过获取基站的告警数据、性能数据和资源数据；采用资源数据，对告警数据和性能数据进行预处理；将预处理后的告警数据输入至第一时序预测模型，得到第一时序预测模型输出的基站存在隐患的第一概率，以及将预处理后的性能数据输入至第二时序预测模型，得到第二时序预测模型输出的基站存在隐患的第二概率；第一时序预测模型是基于预处理后的告警样本数据训练得到的；第二时序预测模型是基于预处理后的性能样本数据训练得到的；根据第一概率和第二概率，确定基站的隐患信息。本专利技术通过引进智能化的ai模型能力，多维选取与基站隐患强相关的告警数据，以及直接表征用户使用感知的从业务使用视角汇聚的基站性能数据形成隐患挖掘数据体系，两者叠加生成准确性更强、自动化能力更高的基站隐患挖掘能力，从而提高基站隐患预测的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种基站隐患预测方法，其特征在于，包括：
2.根据权利要求1所述的基站隐患预测方法，其特征在于，所述根据所述第一概率和所述第二概率，确定基站的隐患信息，包括：
3.根据权利要求1所述的基站隐患预测方法，其特征在于，采用所述资源数据，对所述告警数据进行预处理，包括：
4.根据权利要求3所述的基站隐患预测方法，其特征在于，所述有效告警数据的告警等级是基于以下方式确定的：
5.根据权利要求1所述的基站隐患预测方法，其特征在于，采用所述资源数据，对所述性能数据进行预处理，包括：
6.根据权利要求1至5中任一项所述的基站隐患预测方法，其特征在于，所述第一时序预测模型是基于以下方式训练得到的：
7.一种基站隐患预测装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基站隐患预测方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基站隐患预测方法。
...【技术特征摘要】
1.一种基站隐患预测方法，其特征在于，包括：
2.根据权利要求1所述的基站隐患预测方法，其特征在于，所述根据所述第一概率和所述第二概率，确定基站的隐患信息，包括：
3.根据权利要求1所述的基站隐患预测方法，其特征在于，采用所述资源数据，对所述告警数据进行预处理，包括：
4.根据权利要求3所述的基站隐患预测方法，其特征在于，所述有效告警数据的告警等级是基于以下方式确定的：
5.根据权利要求1所述的基站隐患预测方法，其特征在于，采用所述资源数据，对所述性能数据进行预处理，包括：
6.根据权利要求1至5中任一项所述的基站隐患预测方法，其特征在于...
【专利技术属性】
技术研发人员：张笑笑，郑昌国，刘丛爱，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。