通信设备的告警方法和装置、设备及存储介质与流程

本发明实施例涉及台风预警领域，特别涉及通信设备的告警方法和装置、设备及存储介质。

背景技术：

随着人们对手机、电脑等通信设备的依赖程度逐渐增加，运营商网络设备运营的持久性和稳定性变得越来越重要。传统的通信预警主要依赖气象预告，或是对气候的检测来完成基站级别的告警，主要存在不确定性和及时性的问题。

第一类方法是通过气象预告来粗略估计台风可能会影响到相关区域内的基站，该方法对具体可能受损的基站无法估计，对基站可能的受损情况也无法估计，这对制作应急通信预案存在很多的不确定性。

第二类方法是对通信铁塔的位移以及周围气候环境进行全天候的自动化监测，通过对监测数据的分析判断气候对通信设备的影响。该方法虽然可以对具体基站、基站位置、受损情况进行完美的预估，但是不具有预见性，当台风发生时才发生告警，不能及时的实施和开展应急保障措施。

发明人发现，相关技术中至少存在如下问题：

基于气象预告进行基站损毁评估的方法和基于气候环境全天候监测方法可以在一定程度上协助应急预案的制定，但是这种协助存在不确定性和及时性的问题，不能对具体通信受损地区进行精确的灾后恢复工作。

技术实现要素：

本发明实施方式的目的在于提供一种基于深度学习的通信设备的告警方法和装置、告警设备以及可读存储介质，使得在事故未发生时对不同区域的通信设备进行不同级别的告警，提高了报警的精准度。

为解决上述技术问题，本发明的实施方式提供了一种基于深度学习的通信设备的告警方法，包括：

获取台风的动态信息；

根据所述台风的所述动态信息，绘制台风路线图；

根据所述台风路线图，绘制具有不同台风影响程度的台风影响区域；

按照所述台风影响程度，对所述台风影响区域进行分割，生成不同台风影响程度的分割区域；

将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果；

根据所述匹配结果，针对不同位置的所述通信设备生成不同级别的告警信息；

输出所述告警信息。

一种基于深度学习的通信设备的告警装置，包括：

第一获取单元，获取台风的动态信息；

第一绘制单元，根据所述台风的所述动态信息，绘制台风路线图；

第二绘制单元，根据所述台风路线图，绘制具有不同台风影响程度的台风影响区域；

分割单元，按照所述台风影响程度，对所述台风影响区域进行分割，生成不同台风影响程度的分割区域；

匹配单元将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果；

生成单元，根据所述匹配结果，针对不同位置的所述通信设备生成不同级别的告警信息；

输出单元，输出所述告警信息。

一种告警设备，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所述的告警方法。

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所述的告警方法。

上述实施例中，获取台风的动态信息；根据所述台风的所述动态信息，绘制台风路线图；根据所述台风路线图，绘制具有不同台风影响程度的台风影响区域；按照所述台风影响程度，对所述台风影响区域进行分割，生成不同台风影响程度的分割区域；将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果；根据所述匹配结果，针对不同位置的所述通信设备生成不同级别的告警信息；输出所述告警信息。本发明根据区域的台风影响程度，可以预测出处于该区域的通讯设备的被台风影响程度，从而提前进行预警，可以在事故未发生时进行相关的告警，具有风险预见性，并且在事故未发生时对不同区域的通信设备进行不同级别的告警，提高了报警的精准度。

可选的，所述根据所述台风的所述动态信息，绘制台风路线图，具体包括：通过曲线拟合的方法，将至少一个台风中心位置的散点进行平滑曲线化；曲线平滑过程中假设损失函数loss为公式1，通过不断的输入公式而直到loss不再降低，拟合出台风路线图的最佳平滑曲线：

其中，β1、β2、为常数，在loss不断降低中调整；n为散点个数，(xi,yi)为最佳平滑曲线上的散点，通过反馈机制调整β1和β2来达到降低loss的目的。本发明采用反馈学习的方法进行散点曲线拟合，提高了拟合的精准度。

可选的，所述将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果的步骤包括：对所述分割区域进行内切矩形采样，直到内切矩形覆盖整个台风影响区域，将各个所述分割区域划分为内切矩形；将所述内切矩形的经纬度，与所述通信设备的位置信息匹配。所述对所述分割区域进行内切矩形采样，直到内切矩形覆盖整个台风影响区域，将各个所述分割区域划分为内切矩形的步骤包括：内切矩形的求解采用改进的遗传算法，对任意的分割区域中的四个顶点p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4)组成一个内切矩形，遗传算法执行时通过适应度函数来评估个体的优劣性，采用四边形的面积为基本适应度函数；将约束优化问题转化成无约束问题，基本适应度函数为：

s＝srec-(h1+h2+h3)

h1＝|(y4-y1)×(x3-x2)-(y3-y2)×(x4-x1)|²

h2＝|(y2-y1)×(x4-x3)-(y4-y3)×(x2-x1)|²

h3＝|(y2-y1)×(y4-y1)-(x2-x1)×(x4-x1)|²

其中，s被切割区域的面积，srec为当前切割出来矩形的面积。上述实施例中，将各个所述分割区域划分为内切矩形；再将所述内切矩形的经纬度与通信设备的经纬度进行匹配，提高了计算的自动化程度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1为本发明实施例所述的一种基于深度学习的通信设备的告警方法的流程图；

图2为本发明应用场景中基站告警处理过程的示意图；

图3为本发明应用场景中台风中心点曲线拟合的示意图；

图4为本发明应用场景中台风影响区域图像重建的示意图；

图5为本发明应用场景中台风影响区域分割的示意图。

图6为本发明实施例所述的一种基于深度学习的通信设备的告警装置的结构示意图；

图7为本发明实施例所述的一种基于深度学习的通信设备的告警设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，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方式的种种变化和修改，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，不应对本发明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图如图1所示，为本发明所述的一种基于深度学习的通信设备的告警方法，包括：

步骤11，获取台风的动态信息；

步骤12，根据所述台风的所述动态信息，绘制台风路线图；

步骤13，根据所述台风路线图，绘制具有不同台风影响程度的台风影响区域；

步骤14，按照所述台风影响程度，对所述台风影响区域进行分割，生成不同台风影响程度的分割区域；

步骤15，将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果；

步骤16，根据所述匹配结果，针对不同位置的所述通信设备生成不同级别的告警信息，并输出。

本发明根据区域的台风影响程度，可以预测出处于该区域的通讯设备的被台风影响程度，从而提前进行预警，可以在事故未发生时进行相关的告警，具有风险预见性，并且在事故未发生时对不同区域的通信设备进行不同级别的告警，提高了报警的精准度。

其中，步骤12具体包括：

通过曲线拟合的方法，将至少一个台风中心位置的散点进行平滑曲线化；曲线平滑过程中假设损失函数loss为公式1，通过不断的输入公式而直到loss不再降低，拟合出台风路线图的最佳平滑曲线：

其中，β1、β2、为常数，在loss不断降低中调整；n为散点个数，(xi,yi)为最佳平滑曲线上的散点，通过反馈机制调整β1和β2来达到降低loss的目的。本发明采用反馈学习的方法进行散点曲线拟合，提高了拟合的精准度。

其中，步骤13包括:

步骤131,根据所述台风的风速风力，计算出所述台风路线图上每个曲线点的影响半径：

步骤132,计算所述台风路线图上每个曲线点的垂线；

步骤133,根据所述影响半径和所述垂线，绘制出不同台风影响程度的台风影响区域。

步骤131包括：

其中，d为影响半径；if为区域严重程度影响影子，根据实际情况定义，β1、β2、β3为常数，ζ为相对涡度的铅直分量，f为地转参数，t为时间；p为曲线点的压强，s为曲线点的风速。

步骤132包括：

其中，n为散点个数，a为垂线的斜率，b为垂线的截距。

步骤14包括：采用漫水填充算法，按照台风对地区的影响严重程度，对所述台风影响区域进行分割。

步骤15包括：

步骤151,对所述分割区域进行内切矩形采样，直到内切矩形覆盖整个台风影响区域，将各个所述分割区域划分为内切矩形；

步骤152,将所述内切矩形的经纬度，与所述通信设备的位置信息匹配。

步骤151具体为：内切矩形的求解采用改进的遗传算法，对任意的分割区域中的四个顶点p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4)组成一个内切矩形，遗传算法执行时通过适应度函数来评估个体的优劣性，采用四边形的面积为基本适应度函数；将约束优化问题转化成无约束问题，基本适应度函数为：

s＝srec-(h1+h2+h3)

h1＝|(y4-y1)×(x3-x2)-(y3-y2)×(x4-x1)|²

h2＝|(y2-y1)×(x4-x3)-(y4-y3)×(x2-x1)|²

h3＝|(y2-y1)×(y4-y1)-(x2-x1)×(x4-x1)|²

其中，s被切割区域的面积，srec为当前切割出来矩形的面积。其中，经纬度由p1,p2,p3,p4圈起来的矩形区域决定。

上述实施例中，将各个所述分割区域划分为内切矩形；再将所述内切矩形的经纬度与通信设备的经纬度进行匹配，提高了计算的自动化程度。

以下描述本发明的应用场景。

本发明应用场景提供一种基于深度学习的通信资源告警解决方法。主要思想为：采用一种图像处理方法通过对台风行经线路、风力强度、风圈半径等因素进行分析，将台风途经区域按照距离路径中心位置分为不同区域，例如严重区域和轻微地区，结合基站的位置信息，计算通信基站在台风中将遭遇的风力强度以及可能存在的损毁程度，从而产生不同程度的通信资源灾难告警。

以通信设备为基站为例，本发明可以用于台风区域存在运行风险的基站进行检测告警，主要实施方案包含：步骤1，通过网络爬虫收集台风行经线路、风力强度、风圈半径等信息，绘制路线图。也就是说，根据台风途经路线、中心位置点、风速风力、移速移向等参数对台风影响区域进行可视化分析。步骤2，对可视化台风影响区域进行图像分割，通过图形处理算法分别在不同程度的区域求剩余区域的最大内切矩，直到区域图像被无数个内切矩形全部分割。步骤3，将分割后的矩形阵列根据经纬度范围匹配区域内存在的基站信息，并产生告警，也就是说，根据分割后的矩形经纬度坐标范围匹配存在运行风险的基站。

本发明的具体处理过程如图2所示：

步骤1，通过曲线拟合的方法，将多个台风中心位置的散点进行平滑曲线化，曲线平滑过程中假设损失函数loss为公式1，通过不断的输入公式而直到loss不在降低，拟合出台风路径的最佳平滑曲线：

其中β1、β2、为常数，在loss不断降低中调整。n为散点个数，(xi,yi)为对应曲线上的散点，通过反馈机制调整β1和β2来达到降低loss的目的(loss的值越小，拟合曲线越小越接近台风路径)。经过loss的不断降低，等到曲线拟合结果如图3所示.

步骤2，结合风速风力和十二级半径，将影响区域分为严重区域和轻微地区，可以计算出台风路径上某个点的影响半径：

其中if为区域严重程度影响影子，可根据实际需要定义，β1、β2、β3为常数，ζ为相对涡度的铅直分量，f为地转参数，t为时间。

对上一步骤中的台风曲线，计算曲线上每个点的垂线点，根据风力半径绘制出不同程度的影响区域，垂线的计算方法为：

式中n为散点个数，a为斜率，b为截距，则台风路径曲线的垂线方程为：

根据每个曲线点的垂线进行台风影响区域的重建，得到影响区域如图4所示。

步骤3，台风影响区域图像重建之后，根据漫水填充算法，按照台风对地区的影响严重程度对区域进行分割，分割结果如图5所示：

步骤4，根据分割区域，匹配出受影响的基站位置，该环节主要是通过对区域图像进行无限的内切矩形采样，直到内切矩形覆盖整个台风影响区域。

内切矩形的求解采用一种改进的遗传算法，对任意的分割区域中的四个顶点p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4)可以组成一个内切矩形，遗传算法执行时通过适应度函数来评估个体的优劣性，对于mer问题可以采用四边形的面积最为基本适应度函数。本发明将约束优化问题转化成无约束问题，基本适应度函数为：

s＝srec-(h1+h2+h3)(6)

其中s被切割区域的面积，srec为当前切割出来矩形的面积：

h1＝|(y4-y1)×(x3-x2)-(y3-y2)×(x4-x1)|²(7)

h2＝|(y2-y1)×(x4-x3)-(y4-y3)×(x2-x1)|²(8)

h3＝|(y2-y1)×(y4-y1)-(x2-x1)×(x4-x1)|²(9)

最后，在分割好的内切矩形阵列中开始进行基站位置的匹配即可，该步骤只需要通过内切矩形的经纬度范围匹配基站所在位置的即可。

本发明具有以下有益效果：

1、本发明采用反馈学习的方法进行散点曲线拟合；采用改进的遗传算法进行不规则图形的内切矩形切割。使用图像重建和图像分割的算法匹配通信基站的地理位置，从而产生告警信息。较传统的通信预警方式，本发明可以在事故未发生时进行相关的告警，具有预见性。

2.本发明的步骤进行相关封装后，可以做到自动化预警，即前期通过网络爬虫获取台风信息，后期通过本文方法产生自动告警，无需人为操作。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

如图6所示，提供一种基于深度学习的通信设备的告警装置，包括：

第一获取单元，获取台风的动态信息；

第一绘制单元，根据所述台风的所述动态信息，绘制台风路线图；

第二绘制单元，根据所述台风路线图，绘制具有不同台风影响程度的台风影响区域；

分割单元，按照所述台风影响程度，对所述台风影响区域进行分割，生成不同台风影响程度的分割区域；

匹配单元将通信设备的位置信息与所述分割区域的位置信息进行匹配，生成匹配结果；

生成单元，根据所述匹配结果，针对不同位置的所述通信设备生成不同级别的告警信息；

输出单元，输出所述告警信息。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

如图6所示，提供一种告警设备，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所述的告警方法。

其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。

处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。

本发明另一实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。