一种评估网络性能指标变化趋势的方法及装置与流程

本发明涉及通信应用的技术领域，特别是指一种评估网络性能指标变化趋势的方法及装置。

背景技术：

通信网络建成后，需要通过不断优化才能保证网络的正常运行，从而使网络质量满足用户需求。网络优化即是通过对现有已运行的网络进行数据采集、数据分析、参数分析、硬件检查等手段，找出影响网络质量的原因，并且通过参数调整、网络结构调整、设备配置调整和其它技术手段，确保网络高质量的运行，使现有网络资源获得最佳效益。

在现有的网络优化过程中，网络优化人员需要根据大量的网络性能指标报表，通过画指标变化曲线的方式，人工观察各项指标的变化趋势。同时，由于目前现网定义的指标很多，网络优化人员并不可能依次画出每个指标的变化曲线图进行问题分析，只能按照已有的网络优化经验，选取其认为的一些关键指标进行观察分析，形成初步优化方案。同样地，在优化方案实施后网络优化人员不可能观察优化方案对所有指标的影响，只能按照以往经验观察其认为可能会受到影响的指标变化趋势，得出评估结果。这个过程的主要缺点是：

1、耗费大量人力和时间：由于网络优化是一个自网络建成运行后开始的持续不断的过程，网络优化人员需要不断进行指标选取、指标观察、指标评估过程，若仅仅依靠人眼观察指标，将会费时费力；

2、缺乏分析的全面性：由于网络性能指标数量巨大，网络优化人员并不可能对所有指标的变化趋势都进行分析，也就不可能全面了解优化方案实施后对现网质量的影响。有可能网络优化人员关心的指标集按预期趋势变化，但其它指标出现了恶化却并未被发现，这些情况将会影响分析的准确性和全面性；

3、缺乏分析的可扩展性：在网络优化过程中，网络优化人员是根据以往积 累的大量优化经验选取其关心的指标集进行观察。随着现网网络优化的新需求，将会不断定义更多更细的网络性能指标，这时网络优化人员对于新定义指标与原有指标的关系并没有经验可循，会大大影响分析的效率。

技术实现要素：

本发明的目的在于提供一种评估网络性能指标变化趋势的方法及装置，用以解决现有人工观察指标变化趋势耗费人力和时间，影响分析全面性、准确性和可扩展性的问题。

为了实现上述目的，本发明提供了一种评估网络性能指标变化趋势的方法，包括：

获取待检测网络的多个网络性能指标的指标值；

根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；

根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

其中，所述获取待检测网络的多个网络性能指标的指标值的步骤包括：

获取所述待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值。

其中，所述获取所述待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值的步骤包括：

获取所述待检测网络的N个网络性能指标分别在所述预定时间段内的T个时间点的指标值，得到原始性能指标矩阵P：

其中，Pi为第i个网络性能指标所有的指标值，Pi_j为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，N和T均为大于1的整数，且i为 1到N之间的整数，j为1到T之间的整数。

其中，所述根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数的步骤包括：

根据每个所述网络性能指标在所述预定时间段内的多个时间点的指标值，获取每个所述网络性能指标的移动平均值；

根据每个所述网络性能指标的移动平均值，获取多个所述网络性能指标的移动平均值之间的相关系数。

其中，所述根据每个所述网络性能指标在所述预定时间段内的多个时间点的指标值，获取每个所述网络性能指标的移动平均值的步骤包括：

通过如下公式获取每个所述网络性能指标的移动平均值Ai_j：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，Pi_n为第i个网络性能指标在所述预定时间段内的第n个时间点的指标值，Ai_j表示第i个网络性能指标的第j个移动平均值，i为1到N之间的整数，j为1到T之间的整数，mt表示每个所述网络性能指标的移动平均值对应的时间长度，且mt为小于T的整数，N和T均为大于1的整数。

其中，所述根据每个所述网络性能指标的移动平均值，获取多个所述网络性能指标的移动平均值之间的相关系数的步骤包括：

通过如下公式获取多个所述网络性能指标的移动平均值之间的相关系数r_ij：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，r_ij为第i个网络性能指标与第j个网络性能指标之间的相关系数，Ai_k表示第i个网络性能指标的第k个移动平均值，表示第i个网络性能指标所有指标值的平均值，N和T均为大于1的整数，k为1到T-1之间的整数。

其中，所述根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度的步骤包括：

根据所述预设网络性能指标分别与每个所述非预设网络性能指标的移动平均值之间的相关系数的大小，对所述预设网络性能指标与每个所述非预设网络性能指标的变化趋势的相似度进行排序，其中，相关系数越大的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越大，相关系数越小的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越小。

本发明的实施例还提供了一种评估网络性能指标变化趋势的装置，包括：

第一获取模块，用于获取待检测网络的多个网络性能指标的指标值；

第二获取模块，用于根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；

第三获取模块，用于根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

其中，所述第一获取模块包括：

第一获取单元，用于获取所述待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值。

其中，所述第一获取单元具体用于获取所述待检测网络的N个网络性能指标分别在所述预定时间段内的T个时间点的指标值，得到原始性能指标矩阵P：

其中，Pi为第i个网络性能指标所有的指标值，Pi_j为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，N和T均为大于1的整数，且i为1到N之间的整数，j为1到T之间的整数。

其中，所述第二获取模块包括：

第二获取单元，用于根据每个所述网络性能指标在所述预定时间段内的多个时间点的指标值，获取每个所述网络性能指标的移动平均值；

第三获取单元，用于根据每个所述网络性能指标的移动平均值，获取多个所述网络性能指标的移动平均值之间的相关系数。

其中，所述第二获取单元具体用于通过如下公式获取每个所述网络性能指标的移动平均值Ai_j：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，Pi_n为第i个网络性能指标在所述预定时间段内的第n个时间点的指标值，Ai_j表示第i个网络性能指标的第j个移动平均值，i为1到N之间的整数，j为1到T之间的整数，mt表示每个所述网络性能指标的移动平均值对应的时间长度，且mt为小于T的整数，N和T均为大于1的整数。

其中，所述第三获取单元具体用于通过如下公式获取多个所述网络性能指标的移动平均值之间的相关系数r_ij：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，r_ij为第i个网络性能指标与第j个网络性能指标之间的相关系数，Ai_k表示第i个网络性能指标的第k个移动平均值，表示第i个网络性能指标所有指标值的平均值，N和T均为大于1的整数，k为1到T-1之间的整数。

其中，所述第三获取模块具体用于根据所述预设网络性能指标分别与每个所述非预设网络性能指标的移动平均值之间的相关系数的大小，对所述预设网 络性能指标与每个所述非预设网络性能指标的变化趋势的相似度进行排序，其中，相关系数越大的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越大，相关系数越小的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越小。

本发明实施例具有以下有益效果：

本发明实施例的评估网络性能指标变化趋势的方法，获取待检测网络的多个网络性能指标的指标值；根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。本发明通过对网络性能指标变化趋势的相似性进行分析，可快速对大量网络性能指标的变化趋势进行分析，大大提高了分析效率，突破了依靠以往经验选取有限指标进行分析的局限性，保证了分析的全面性、准确性和可扩展性。

附图说明

图1为本发明评估网络性能指标变化趋势的方法的第一工作流程图；

图2为本发明评估网络性能指标变化趋势的方法的第二工作流程图；

图3为本发明评估网络性能指标变化趋势的方法的第三工作流程图；

图4为本发明评估网络性能指标变化趋势的方法的第四工作流程图

图5为本发明评估网络性能指标变化趋势的装置的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合具体实施例及附图进行详细描述。

现有技术中，网络优化的步骤一般包括：

1、数据采集：通过测试、网管或监测系统采集网络性能指标；

2、数据分析：对采集的网络性能指标进行分析，比如指标绝对值及其变化等；

3、问题定位：通过指标分析结果，结合网络优化人员的优化经验进行现网 问题判断；

4、方案实施：根据判断出的现网可能问题，制定优化方案，并进行现网实施；

5、效果评估：通过对比方案实施前后，网络性能指标的变化情况，评估优化方案是否有效，若未解决问题，则需再次优化。

上述网络优化步骤中，网络性能指标是优化人员分析的基础，优化人员通过对网络性能指标的变化分析进行网络问题定位，方案实施后通过对网络性能指标的再次分析进行优化方案的效果评估。

网络优化人员进行网络性能指标分析时，是将预先定义的网络性能指标输出成excel报表，对其所关心的指标集画成变化趋势图，根据指标变化趋势图进行问题分析。通过分析得出初步解决方案并实施后，优化人员再次对其所关心的指标集画出变化趋势图，并进一步评估优化效果。由于网络优化人员需要人工观察指标的变化趋势，耗费了大量人力和时间，且由于网络优化人员只能根据以往经验观察有限指标，影响了分析的全面性、准确性和可扩展性。

基于上述问题，本发明实施例提供了一种评估网络性能指标变化趋势的方法，解决了现有人工观察指标变化趋势耗费人力和时间，影响分析全面性、准确性和可扩展性的问题。

第一实施例：

如图1所示，该评估网络性能指标变化趋势的方法，包括：

步骤1：获取待检测网络的多个网络性能指标的指标值；

步骤2：根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；

步骤3：根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

具体的，上述预设网络性能指标可为多个网络性能指标中的任意一个指标，通过上述步骤3可对网络性能指标中的任意两个指标在预设时间段内的变化情况的相似度进行分析。

本发明实施例的评估网络性能指标变化趋势的方法，获取待检测网络的多 个网络性能指标的指标值；根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。本发明通过对网络性能指标变化趋势的相似性进行分析，可快速对大量网络性能指标的变化趋势进行分析，大大提高了分析效率，突破了依靠以往经验选取有限指标进行分析的局限性，保证了分析的全面性、准确性和可扩展性。

第二实施例：

如图2所示，该评估网络性能指标变化趋势的方法，包括：

步骤11：获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值；

在本发明的具体实施例中，假设共有N个网络性能指标，则可预先统计上述N个网络性能指标在一定地理粒度(小区/区域/全网等)和预定时间段内连续的T个时间点(小时/天等)的指标值，N和T均为大于1的整数。

步骤2：根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；

步骤3：根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

优选地，上述步骤11可具体包括：

获取待检测网络的N个网络性能指标分别在所述预定时间段内的T个时间点的指标值，得到原始性能指标矩阵P：

其中，Pi为第i个网络性能指标所有的指标值，Pi_j为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，N和T均为大于1的整数，且i为1到N之间的整数，j为1到T之间的整数。

本发明实施例中，通过获取N个网络性能指标分别在预定时间段内的T个时间点的指标值Pi_j，并将每个时间点的指标数据作为一个分析样本，可获得N个指标的T个样本，为接下来对任意两个指标在T个时间点内的变化情况的相似度分析提供了有力的数据支持，且通过原始性能指标矩阵P可方便、快捷地获取相关数据，有效提高了处理效率。

另外，预定时间段内的时间点可为小时、天或周等，网络优化人员可根据需求进行设定。如假定网络优化人员希望按天分析某小区连续30天的网络性能指标，则获取该小区的N个网络性能指标连续30天的指标采样值(如每15分钟一个采样点)，并将每个网络性能指标大量的指标采样值按天进行处理，得到该小区的原始性能指标矩阵P，矩阵大小为N行30列。

第三实施例：

如图3所示，该评估网络性能指标变化趋势的方法，包括：

步骤11：获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值

步骤21：根据每个所述网络性能指标在所述预定时间段内的多个时间点的指标值，获取每个所述网络性能指标的移动平均值；

步骤22：根据每个所述网络性能指标的移动平均值，获取多个所述网络性能指标的移动平均值之间的相关系数；

步骤3：根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

优选地，上述步骤21具体包括：

通过如下公式获取每个所述网络性能指标的移动平均值Ai_j：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，Pi_n为第i个网络性能指标在所述预定时间段内的第n个时间点的指标值，Ai_j表示第i个网络性能指标的第j个移动 平均值，i为1到N之间的整数，j为1到T之间的整数，mt表示每个所述网络性能指标的移动平均值对应的时间长度，且mt为小于T的整数，N和T均为大于1的整数。

优选地，上述步骤22具体包括：

通过如下公式获取多个所述网络性能指标的移动平均值之间的相关系数r_ij：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，r_ij为第i个网络性能指标与第j个网络性能指标之间的相关系数，Ai_k表示第i个网络性能指标的第k个移动平均值，表示第i个网络性能指标所有指标值的平均值，N和T均为大于1的整数，k为1到T-1之间的整数。

本发明实施例中，网络优化人员在分析问题或评估优化效果时，假设选定了指标i作为预设基准指标，则指标i与其他剩余指标的变化趋势的相关系数即由r_ij来表示，这里j为1到N之间的整数，r_ij取值在-1和1之间，其中，越接近1表征指标i与指标j的变化趋势越相同，越接近-1表征指标i与指标j的变化趋势越相反，越接近0表征指标i与指标j的变化趋势没有显著关系。

假设指标i的变化趋势在观测周期内是下降的，网络优化人员在分析过程中需要了解哪些指标也是下降的，而哪些指标会上升。可以根据r_ij对所有N-1个网络性能指标进行分类，如分为与指标i变化趋势相同、变化趋势相反或者无显著关系等三类，分类方法可以采用聚类算法(如K-means算法)，也可以根据需要划定区间范围来分类。

优选地，上述步骤3可具体包括：

根据所述预设网络性能指标分别与每个所述非预设网络性能指标的移动平均值之间的相关系数的大小，对所述预设网络性能指标与每个所述非预设网络性能指标的变化趋势的相似度进行排序，其中，相关系数越大的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越大，相关系数越小的非 预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越小。

本发明实施例的评估网络性能指标变化趋势的方法，通过多个所述网络性能指标的移动平均值之间的相关系数进行分析，得到其他非预设网络性能指标与预设网络性能指标变化趋势的相似度，从而能够根据预设网络性能指标的变化趋势，获取其他非预设网络性能指标的变化趋势，大大提高了处理效率。

下面举例说明本发明实施例的一具体实现过程。

本发明的技术方案，如图4所示，包括：

步骤S1：获取待检测网络的N个网络性能指标分别在预定时间段内的T个时间点的指标值，得到原始性能指标矩阵P：

其中，Pi为第i个网络性能指标所有的指标值，Pi_j为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，N和T均为大于1的整数，且i为1到N之间的整数，j为1到T之间的整数；

步骤S2：假设所关心的网络性能指标平均值的时间长度为mt，根据原始性能指标矩阵P，得到移动平均矩阵avg：

其中，avg变为T-mt+1行N列的矩阵，Ai_j表示第i个网络性能指标的第j个移动平均值，具体计算方法如下：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，Pi_n为第i个网络性能指标在所述预 定时间段内的第n个时间点的指标值，Ai_j表示第i个网络性能指标的第j个移动平均值，i为1到N之间的整数，j为1到T之间的整数，mt表示每个所述网络性能指标的移动平均值对应的时间长度，且mt为小于T的整数，N和T均为大于1的整数；

步骤S3：计算移动平均矩阵avg的各个列向量间的相关系数，得到变化趋势相关矩阵R_avg:

其中，

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，r_ij为第i个网络性能指标与第j个网络性能指标之间的相关系数，Ai_k表示第i个网络性能指标的第k个移动平均值，表示第i个网络性能指标所有指标值的平均值，N和T均为大于1的整数，k为1到T-1之间的整数；

步骤S4：网络优化人员在分析问题或评估优化效果时，假设选定了指标i作为预设基准指标，则通过变化趋势相关矩阵R_avg中的第i列，获取其他网络性能指标与指标i变化趋势的相似度。

本发明实施例的评估网络性能指标变化趋势的方法，通过数据挖掘中的移动平均值分析方法，将不同网络参数的网络性能指标通过关联、聚类等手段，摸索指标间的变化趋势相似度，获得网络优化中可能出现的性能问题；并以网络性能指标的移动平均值为特征值，进行数据挖掘，重点以变化趋势为目标进行考察。

本发明实施例的评估网络性能指标变化趋势的方法，可以通过对网络性能指标变化趋势关联性的分析，摸索和发现未知问题，预期解决潜在的网络关联 性能、故障等问题；每次网络优化人员在指标选取、指标观察、指标评估过程中需要分析指标变化趋势时，通过本发明实施例的方案，即可快速完成，无需经过画趋势图和人眼观察，大大提高了分析效率；根据本发明的方案，网络优化人员可快速对所有指标的变化趋势都进行分析，突破了依靠以往优化经验选取有限指标进行分析的局限性，做到全面分析网络指标状况和全面了解优化方案实施后对现网质量的影响。

第四实施例：

本发明提供一种评估网络性能指标变化趋势的装置，如图5所示，包括：

第一获取模块51，用于获取待检测网络的多个网络性能指标的指标值；

第二获取模块52，用于根据多个所述网络性能指标的指标值，获取多个所述网络性能指标的移动平均值之间的相关系数；

第三获取模块53，用于根据多个所述网络性能指标的移动平均值之间的相关系数，获取多个所述网络性能指标中的一预设网络性能指标的变化趋势与其他非预设网络性能指标的变化趋势的相似度。

本发明通过对网络性能指标变化趋势的相似性进行分析，可快速对大量网络性能指标的变化趋势进行分析，大大提高了分析效率，突破了依靠以往经验选取有限指标进行分析的局限性，保证了分析的全面性、准确性和可扩展性。

其中，所述第一获取模块51包括：

第一获取单元，用于获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值。

其中，所述第一获取单元具体用于获取待检测网络的N个网络性能指标分别在所述预定时间段内的T个时间点的指标值，得到原始性能指标矩阵P：

其中，Pi为第i个网络性能指标所有的指标值，Pi_j为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，N和T均为大于1的整数，且i为1到N之间的整数，j为1到T之间的整数。

在本发明的具体实施例中，上述第一获取单元可具体包括数据预处理模块，该数据预处理模块用于将现网所有网络性能指标按网络优化人员的实际需要，处理成一定粒度和周期的原始指标矩阵。该模块的输入为网络优化人员需要分析的地理粒度(例如小区/区域/全网等)、预定时间段(例如小时/天/周等)、以及所有网络性能指标采样值。输出为所需地理粒度及预定时间段内的网络性能指标原始矩阵。例如，网络优化人员希望按天分析某小区的网络性能指标，则需输入某小区所有N个网络性能指标连续30天的指标采样值(如每15分钟一个采样点)，数据预处理模块将每个网络性能指标大量的指标采样值按天处理，输出该小区所有网络性能指标连续30天的指标值原始矩阵，矩阵大小为30行N列。

其中，所述第二获取模块52包括：

第二获取单元，用于根据每个所述网络性能指标在所述预定时间段内的多个时间点的指标值，获取每个所述网络性能指标的移动平均值；

第三获取单元，用于根据每个所述网络性能指标的移动平均值，获取多个所述网络性能指标的移动平均值之间的相关系数。

在本发明的具体实施例中，上述第二获取模块可具体为移动平均计算模块，该移动平均计算模块用于计算所有网络性能指标之间的移动平均值的相关系数。输入为数据预处理模块处理后的所有网络性能指标值原始矩阵，通过计算原始矩阵的移动平均矩阵各列向量之间的相关系数，可输出移动平均值的相关矩阵。

其中，所述第二获取单元具体用于通过如下公式获取每个所述网络性能指标的移动平均值Ai_j：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，Pi_n为第i个网络性能指标在所述预定时间段内的第n个时间点的指标值，Ai_j表示第i个网络性能指标的第j个移动平均值，i为1到N之间的整数，j为1到T之间的整数，mt表示每个所述网络 性能指标的移动平均值对应的时间长度，且mt为小于T的整数，N和T均为大于1的整数。

其中，所述第三获取单元具体用于通过如下公式获取多个所述网络性能指标的移动平均值之间的相关系数r_ij：

其中，所述待检测网络包括N个网络性能指标，每个所述网络性能指标包括在预定时间段内的T个时间点的指标值，r_ij为第i个网络性能指标与第j个网络性能指标之间的相关系数，Ai_k表示第i个网络性能指标的第k个移动平均值，表示第i个网络性能指标所有指标值的平均值，N和T均为大于1的整数，k为1到T-1之间的整数。

其中，所述第三获取模块53具体用于根据所述预设网络性能指标分别与每个所述非预设网络性能指标的移动平均值之间的相关系数的大小，对所述预设网络性能指标与每个所述非预设网络性能指标的变化趋势的相似度进行排序，其中，相关系数越大的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越大，相关系数越小的非预设网络性能指标与所述预设网络性能指标的变化趋势的相似度越小。

在本发明的具体实施例中，上述第三获取模块53可具体包括分类模块及评估模块，该分类模块具体用于对网络性能指标变化趋势进行分类。输入为网络优化人员选取的分析基准指标、趋势相关性计算模块输出的变化趋势相关矩阵、需要的分类个数，输出为所需的各类指标集。分类方法可以使用聚类算法或人为定义。例如，网络优化人员希望将网络性能指标分为与基准指标变化趋势相同、趋势相反和无显著关系三类，分类模块即可输出三类指标集。

上述评估模块的输入为分类模块输出的各类指标，通过比较各类的相关系数，输出为各类指标与基准指标变化趋势相关性的排序。例如，网络优化人员希望分析与基准指标变化趋势相同的指标集中变化幅度最大的指标，即可取对应指标集中相关系数最大的指标。

本发明实施例的评估网络性能指标变化趋势的装置，通过对网络性能指标变化趋势的相似性进行分析，可快速对大量网络性能指标的变化趋势进行分析，大大提高了分析效率，突破了依靠以往经验选取有限指标进行分析的局限性，保证了分析的全面性、准确性和可扩展性。

需要说明的是，该装置是与上述方法实施例对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。