一种基于用户感知的异构网络运维管理方法
【专利摘要】本发明公开了一种基于用户感知的异构网络运维管理方法,其包括以下步骤：步骤S1，通过基站和网络监测节点收集异构网络运维数据；步骤S2，将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；步骤S3，根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分析，实现网络故障定位；步骤S4，网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实现故障自愈及网络优化。本发明对网络运维数据挖掘分析和定位网络故障之后，通过对网络参数进行优化，实现网络自愈，提升用户体验，实现网络智能运维。
【专利说明】一种基于用户感知的异构网络运维管理方法
【技术领域】
[0001] 本发明属于无线网络通信【技术领域】中的网络智能运维技术，尤其涉及一种基于用 户感知的异构网络运维管理方法。
【背景技术】
[0002] 未来网络是一个多种接入技术和多层次部署的异构融合网络，网络的拓扑和架构 都随网络中节点的变化而变化，如peer-to-peer网络、ad hoc网络以及社交网络等无线网 络，从而使网络具有重构性，并且多种技术体制并存所引起的互操作、家庭网元Home NodeB 的大量应用，易发生产生大量网络告警信息及网络故障，使得未来网络管理和运维变得越 来越复杂。巨量的规划、维护、优化参数使得传统的手工操作无法完成。越来越高的运维 支出使得运营商强烈希望用新技术来降低运营成本、提高系统性能，确保网络运行高效、安 全、稳定。
[0003] 目前最普遍的做法是通过大量的人工分析网络的问题，然后进行探索性的故障定 位及优化，然而，优化的结果非常粗糙，不能准确及时定位网络故障问题，无法满足用户日 益增长的体验需求。
[0004] 在此背景下，网络需要对网络运维信息进行挖掘分析，主动定位网络故障问题，从 用户体验角度出发，优化网络以及在网络发生故障以后可以自适应的愈合，极大地提高网 络的智能化水平，减少了网络运营和维护中的人工干预，降低了通信网络的运营和维护成 本。
【发明内容】
[0005] 为了解决现有技术中存在的上述问题，本发明的目的是提供基于用户感知的异构 网络运维管理方法，其通过对网络运维数据挖掘分析，定位网络故障，之后通过对网络参数 进行优化，实现网络自愈，提升用户体验，实现网络智能运维。
[0006] 为了实现上述目的，本发明采用的技术方案为：一种基于用户感知的异构网络运 维管理方法包括以下步骤：
[0007] 步骤S1，通过基站和网络监测节点收集异构网络运维数据；
[0008] 步骤S2,将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；
[0009] 步骤S3,根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分 析，实现网络故障定位；
[0010] 步骤S4,网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实 现故障自愈及网络优化。
[0011] 优选的技术方案，所述步骤S1中的异构网络运维数据包括用户测量报告、网络计 数器数据、路测数据、用户终端数据、异构网络的关键性技术指标、网络故障信息和异构网 络无线参数。
[0012] 进一步优选的技术方案，所述异构网络的关键性技术指标包括掉话率和阻塞率。
[0013] 更进一步的优选技术方案，所述步骤S2中对异构网络运维数据进行统一处理包 括数据选取、数据预处理和数据变换。
[0014] 所述数据预处理包括对数据的噪声处理，所述数据的噪声处理包括删除网络故障 信息数据中无法识别的数据和在关键告警信息上有缺失的数据。
[0015] 所述在关键告警信息上有缺失的数据包括无告警网元标示的数据、无告警类型标 示的数据和无告警时间标示的数据。
[0016] 所述数据变换包括数据变换降维，所述数据变换降维为从数据初始特征中通过聚 类分析提取出与故障紧密相关的特征，削减数据维数。
[0017] 所述步骤S2中构建统一的运维数据模型过程如下：首先，选取参考告警信息参数 向量，建立参考数列
【权利要求】
1. 一种基于用户感知的异构网络运维管理方法，其特征在于，其包括以下步骤： 步骤S1，通过基站和网络监测节点收集异构网络运维数据； 步骤S2,将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型； 步骤S3,根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分析，实 现网络故障定位； 步骤S4,网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实现故 障自愈及网络优化。
2. 根据权利要求1所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述步骤Sl中的异构网络运维数据包括用户测量报告、网络计数器数据、路测数据、用户 终端数据、异构网络的关键性技术指标、网络故障信息和异构网络无线参数。
3. 根据权利要求2所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述异构网络的关键性技术指标包括掉话率和阻塞率。
4. 根据权利要求3所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述步骤S2中对异构网络运维数据进行统一处理包括数据选取、数据预处理和数据变换。
5. 根据权利要求4所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述数据预处理包括对数据的噪声处理，所述数据的噪声处理包括删除网络故障信息数据 中无法识别的数据和在关键告警信息上有缺失的数据。
6. 根据权利要求5所述的一种基于用户感知的异构网络运维管理方法，其特征在于： 所述在关键告警信息上有缺失的数据包括无告警网元标示的数据、无告警类型标示的数据 和无告警时间标示的数据。
7. 根据权利要求5所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述数据变换包括数据变换降维，所述数据变换降维为从数据初始特征中通过聚类分析提 取出与故障紧密相关的特征，削减数据维数。
8. 根据权利要求2所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述步骤S2中构建统一的运维数据模型过程如下： 首先，选取参考告警信息参数向量，建立参考数列X〇， X0= {X0(k)|k= 1，2, ...，n} = (X0(1)，X0(2)，...，X0(n)) 其中k表示时刻，\表示告警信息，n表示告警信息参数向量特征维数； 其次，假设有m个比较故障告警信息数据，建立比较数列Xi Xi ={Xi(k)Ik= 1，2,…，n} = (Xi (I)，Xi (2)，…，Xi (n))i= 1，2,…，m 然后，建立比较数列X;对参考数列X。在k时刻的关联系数ζ; (k)
其中，W1S各个参数相应的权重，其根据用户的网络属性进行调整和决定；其中P为 分辨系数，pe [〇，+ 00 ) 越大，分辩率越大；p越小，分辩率越小； 最后，计算出比较数列Xi对参考数列关联度G=--6(幻。 n k:l
9. 根据权利要求8所述的一种基于用户感知的异构网络运维管理方法，其特征在于， 所述步骤S3包括通过关联分析对故障告警信息、KPI指标及网络之间故障建立映射关系， 构建故障定位模型，通过BP(back-propagation，后向传播）神经网络进行网络故障定位； 所述网络故障定位具体包括如下过程： 首先，获取m维告警向量Qn=(sps2,Sfsm)和η维故障向量On=(pup2,pfpm)，并 将其通过多个网络节点同时输入，使系统具有并行结构和并行处理能力，对输入进行实时 的动态处理； 其次，BP网络，为每个连接的权值赋予指定范围内的值，同时为每个神经元节点指定阈 值； 再次，组输入告警样本机器目标结果提供给网络，并计算神经网络节点的连接权值，阈 值及各个隐含层单元的输入和输出值； 然后，正各层误差：利用目标向量和网络实际输出值计算输出层单元的误差，并结合隐 含层的各单元的输出来修正连接权值和阈值，进行反向误差传播修正； 最后，训练样本向量和对异构网络系统进行训练，直到训练完全部样本后将络运维故 障告警信息，输入训练好的BP网络进行网络故障定位。
10.权利要求9述的一种基于用户感知的异构网络运维管理方法，其特征在于，所述步 骤S3还包括通过无线网络参数映射到异构网络中以获取定位的网络故障，在该过程中每 一个网络节点均作为一个智能体参与网络故障定位过程中，其具体过程如下： 选择Q学习方法来建立一个参数系统，建立和维护一个二维的Q值表，第一维用来表 示所有可能的状态，第二维表示网络节点智能体所可能采取的行动；每一个Q值表的单元 q(s，a)都对应着智能体在状态S下采取行动a的Q值；用户选择行动的一般准则为：网络 节点智能体基于在给定状态下的每个动作的Q值表，按照一定的概率进行动作选择，一个 动作的Q值越大，则被选择的概率就越大；当发生网络故障时，首先，网络节点智能体根据 运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线 参数，构建一个新状态S，在构建完状态S后，要计算对应S的各个Q值； 然后，网络节点智能体根据Q值以一定的概率P
选择优化策略，即动作a; 最后，系统终端根据网络节点智能体回报值和已有的Q值，更新Q值表中状态S和所选 动作的值，其中， 0&Λ
DEA 上述R(X，a) =E{rIs，a}，' = "1.〒(/(y，b)，K, (>\) =η；?〒丨Qt , (y，b)丨，π 为所选的策 略，α是学习因子。
【文档编号】H04W24/10GK104469833SQ201510009092
【公开日】2015年3月25日 申请日期:2015年1月8日 优先权日:2015年1月8日
【发明者】杨清海, 秦猛 申请人:西安电子科技大学