本发明涉及通信网络运维，特别涉及一种基于智能时延地图的通信通道定检方法。
背景技术：
1、目前，常规的定检流程主要是基于运维人员的主动操作与经验分析，运维人员首先通过网管系统手动查询或测试指令，获取指定通道分散的性能数据，如时延、误码率等；需要对这些孤立的数据进行人工比对与分析，以判断通道的通断、性能劣化等状态，并最终手动整理与编写测试报告，从而完成一次定检任务。
2、然而，这种定检方式比较依赖人工操作与分析，定检效率低下，难以应对大规模网络中海量通道的准实时监控需求。其次，网管系统提供的多为离散的数字指标，缺乏直观关联拓扑的可视化全局视图，使得运维人员难以快速定位高时延区段或性能瓶颈。此外，当前分析是基于历史与当前数据，缺乏对数据进行深度挖掘与智能分析的能力，既无法对通道性能的未来趋势进行有效预测，也无法主动、精准地识别潜在的异常风险与根因，无法满足现代复杂通信网络对通道状态进行实时、精准、智能化认知与决策支撑的技术需求。
3、鉴于此，提出一种基于智能时延地图的通信通道定检方法。
技术实现思路
1、本发明提供了一种基于智能时延地图的通信通道定检方法，用于解决无法满足现代复杂通信网络对通道状态进行实时、精准、智能化认知与决策支撑的技术需求的问题。
2、本发明提供了一种基于智能时延地图的通信通道定检方法，包括：
3、采集通信网络中多条通信通道的性能数据，所述性能数据包括历史与实时的时延数据、误码率数据及告警数据；
4、将采集到的所述性能数据输入至预先训练好的时延智能评估模型中，输出每条通信通道的评估结果；所述评估结果包括时延预测值、时延异常评分和通道健康度；
5、基于所述评估结果生成通信网络的智能时延地图；其中，所述智能时延地图的可视化元素与所述评估结果动态关联，所述可视化元素包括根据所述评估结果动态变化的颜色、线条粗细、数据标签以及预警图标；
6、响应于在所述智能时延地图上对目标通信通道的定检指令，结合所述目标通信通道对应的所述评估结果，自动生成定检报告。
7、更进一步地，所述采集通信网络中多条通信通道的性能数据，包括：
8、通过集成网络管理系统的接口或与网元设备进行协议通信，以程序化方式定时采集所述性能数据；
9、其中，所述性能数据构成一个多源数据集合，包括从网管系统或网元设备采集的实时时延数据、存储于数据库中的历史时延数据、误码率数据和告警数据。
10、更进一步地，所述时延智能评估模型的训练方法包括：
11、获取训练数据，所述训练数据包括多条通信通道在历史时间段内的时序性能数据及对应的网络拓扑数据；
12、构建初始评估模型，所述初始评估模型包括依次连接的时序预测子模块、异常检测子模块和健康度评估子模块；
13、通过总损失函数对所述初始评估模型进行迭代训练，直至满足收敛条件，得到所述时延智能评估模型；
14、其中，所述总损失函数至少包括第一损失函数和第二损失函数，所述第一损失函数用于约束所述时序预测子模块输出的预测时延值符合通信领域的物理规律，所述第二损失函数用于约束所述异常检测子模块输出的异常评分能反映网络拓扑中的依赖关系传导。
15、更进一步地，所述第一损失函数具体用于：
16、计算所述时序预测子模块输出的预测时延值与真实时延值之间的数据拟合损失；
17、计算基于所述物理规律构建的约束损失，所述约束损失包括时延非负性损失、时延变化平滑性损失和流量周期性损失；
18、根据所述数据拟合损失与所述约束损失的加权和，计算第一损失函数值。
19、更进一步地，所述第二损失函数具体用于：
20、将所述时序性能数据与所述网络拓扑数据输入所述异常检测子模块；
21、所述异常检测子模块中的图神经网络根据所述网络拓扑数据进行消息传递与聚合，生成包含拓扑依赖关系的通道表征向量；
22、根据所述通道表征向量计算反映拓扑依赖关系的图一致性损失；
23、将所述通道表征向量输入孤立森林算法进行异常判断，计算异常检测损失；
24、根据所述图一致性损失与所述异常检测损失的加权和，计算第二损失函数值。
25、更进一步地，所述总损失函数还包括第三损失函数，所述第三损失函数具体用于：
26、将所述时序预测子模块输出的时延预测值、所述异常检测子模块输出的时延异常评分和疑似根因信息以及基础性能数据，输入至所述健康度评估子模块；
27、所述健康度评估子模块中的注意力网络动态学习各输入特征在当前网络状态下的权重，输出通道健康度评分；
28、计算所述通道健康度评分与基于专家规则标注的基准健康度之间的差异，作为所述第三损失函数值。
29、更进一步地，所述基于所述评估结果生成通信网络的智能时延地图，包括：
30、建立从所述评估结果到可视化元素的映射规则；基于所述映射规则，执行以下操作：
31、根据所述通道健康度或所述时延预测值，为拓扑图中的每条通信通道链路分配对应的颜色；
32、根据预定义的通道业务重要性等级调整所述链路的显示粗细；
33、当所述时延异常评分超过预设阈值时，在对应链路上叠加显示预警图标。
34、更进一步地，所述映射规则还包括：
35、当所述评估结果中包含疑似根因信息时，在所述智能时延地图中，于所述疑似根因信息对应的网元设备节点上显示根因标识；
36、所述根因标识的显示样式区别于所述预警图标。
37、更进一步地，所述自动生成定检报告，包括：
38、将所述目标通信通道对应的评估结果中的时延预测值、时延异常评分、通道健康度及疑似根因信息，填充至预设的定检报告模板的相应字段；
39、基于所述评估结果，生成包含性能趋势描述、异常诊断结论及维护建议的自然语言文本；
40、整合所述填充后的模板与所述自然语言文本，生成包含通道状态摘要、趋势分析、诊断结论及维护建议的完整定检报告，并以指定格式输出。
41、更进一步地，在所述采集通信网络中多条通信通道的性能数据之后，且在将性能数据输入至所述时延智能评估模型之前，所述方法还包括：
42、对采集到的所述性能数据进行预处理，所述预处理包括：对来自不同数据源的时延数据进行时间戳对齐与单位统一，根据预设的规则库对告警数据进行分类与去重。
43、从以上技术方案可以看出，本发明具有以下优点：
44、本发明通过自动采集通道性能数据，输入至融合时序预测、异常检测与健康度评估的时延智能评估模型，获取包含时延预测值、异常评分和健康度的综合评估结果；根据该结果动态生成叠加了颜色、粗细、预警图标等可视化元素的智能时延地图；最终，用户可在地图上触发定检指令，系统自动结合评估结果生成详尽的定检报告。本发明通过人工智能模型对数据进行深度挖掘分析，实现了对通道未来时延的精准预测与异常根因的智能定位；其次，基于评估结果动态渲染的智能时延地图，将分散的数字指标转化为直观的全局拓扑视图，能够清晰了解高时延区段、性能瓶颈及故障根因，提升问题定位的直观性和效率；此外，通过地图交互一键触发报告自动生成，取代了传统人工查询、分析与编写流程，有效提升了定检工作的自动化程度与执行效率；为大规模复杂网络的运维管理提供了高效的智能化决策支持。