【技术实现步骤摘要】
本申请涉及通信，尤其涉及一种通信网络的数据处理方法、电子设备及存储介质。
技术介绍
1、现有的通信网络在发生异常时，通常会产生出很多的网元告警数据，如果依赖人工排查故障，则网络运维需要付出很高的时间成本和人力成本。
2、随着人工智能的发展，通信网络从专家运维向智能运维进行演进，而如何在通信网络发生异常时，智能化对网元告警数据进行关联度分析，从而辅助运维人员快速排查故障，是当前亟需解决的技术问题。
技术实现思路
1、本申请目的是提供一种通信网络的数据处理方法、电子设备及存储介质，能够对通信网络的网元异常进行根因分析。
2、为了实现上述目的，本申请实施例是这样实现的：
3、第一方面，提供一种方法通信网络的数据处理方法，包括：
4、获取通信网络的第一样本指标序列；所述第一样本指标序列包括所述通信网络对应多个窗口的指标数据；
5、基于所述第一样本指标序列预测未来时间的第二样本指标序列；
6、基于所述第一样本指标序列和所述第二样本指标序列进行指标异常检测，确定异常标识序列；
7、以所述通信网络在所述第二样本指标序列同时序对应的多个网元告警数据为样本，以所述异常标识序列为标签，对分类模型进行训练；
8、基于所述分类模型的训练参数，确定所述多个网元告警数据与异常指标的关联度。
9、第二方面，本申请实施例提供了一种电子设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机
10、第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现第一方面所述的方法。
11、本申请的方案利用人工智能技术，根据通信网络的第一样本指标序列预测未来时间的第二样本指标序列，并通过对比第二样本指标序列和第一样本指标序列以进行指标异常检测，确定异常标识序列。接下来，以通信网络在第二样本指标序列同时序产生的多个网元告警数据为样本，以异常标识序列为标签训练分类模型将多个网元告警数据作为特征，以预测异常标识序列的能力，这种训练可以得到各个网元告警数据相对指标异常的概率分布。当一个网元告警数据相对异常指标的概率分布越大，则说明该网元告警数据与异常指标的关联度越高。在实际应用中，当确定各个网元告警数据与异常指标的关联度后，可在关联度较高的网元告警数据中找出网元异常的根因，从而辅助运维人员能够快速排查通信网络中的故障，降低网络运维的时间成本和人力成本。
本文档来自技高网...【技术保护点】
1.一种通信网络的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述指标数据包括关键性能指标。
7.根据权利要求1-5中任一项所述的方法，其特征在于，还包括：
8.根据权利要求1-5中任一项所述的方法，其特征在于，
9.一种电子设备，其特征在于，所述设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现如权利要求1-8任一项所述的方法。
【技术特征摘要】
1.一种通信网络的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述指标数据包括关键性能指标。
【专利技术属性】
技术研发人员：唐帅，孙嘉，于传恩，
申请(专利权)人：中兴通讯股份有限公司，
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。