[00318619]电信网络故障告警预测

技术成果介绍：

随着5G技术的逐步商用，全球移动通信行业得到迅猛发展，网络规模和用户数量急速上升。移动网络业务已经从过去完全以语音为主转向数据业务，业务种类日益丰富，对网络服务质量的要求也不断提高。以广东省为例，广东电信核心网每月有大概200万条故障告警信息。如何保证电信网络安全、稳定和可靠地运行一直是计算机和电信领域的热门研究课题，受到学术界和网络运营部门的高度重视。本项目根据电信网络中软件和硬件 组件之间的拓扑结构，通过深度学习模型，寻找及预测电信网络告警的规则，快速排除故障，提升网络服务品质，大幅降低人力资源的消耗。

主要技术指标及优势：

电信网络具有告警故障数据量大、数据之间关联关系复杂、数据特征多等特征，为了全方位利用数据的完整性，我们利用基于Hadoop平台的大数据技术来处理数据的储存、计算、传输、变换等操作，再结合Java或 Python语言开发，大大提高了工作效率和服务品质。基于广东省2000万条电信故障数据的测试表明，本项目提出的基于密度聚类和时序关联分析的电信网络告警预测算法和基于List Emdedding + Seq2Seq + Attention机制的深度学习电信网络告警预测算法，预测率可以达到95%以上，准确率可以达到93%以上。

知识产权：

1.专利/PCT名称：某告警预测方法及系统，申请号：PCT/CN2019/0****7

2.专利/PCT名称：一种基于特征适应神经网络某异常检测方法，申请号：PCT/CN2019/1****9

3.专利名称：某检测方法、系统及电子设备，申请号：CN2018110****7.5

4.专利名称：某检测方法及检测终端、计算机可读存储介质，申请号：CN2018115****6.8

5.专利名称：某异常识别检测方法及装置，申请号：CN2018105****2.X

主要应用领域：

电信网络服务以及实时数据相关的告警预测。