基于神經(jīng)網(wǎng)絡和模糊綜合評價的移動網(wǎng)絡健康評價方法
【技術(shù)領域】
[0001] 本發(fā)明涉及移動網(wǎng)絡健康評價方法,更具體地說,涉及基于神經(jīng)網(wǎng)絡和模糊綜合 評價的移動網(wǎng)絡健康評價方法。
【背景技術(shù)】
[0002] 移動網(wǎng)絡健康狀況指的是移動網(wǎng)絡系統(tǒng)整體運行的良好程度。移動網(wǎng)絡每天產(chǎn)生 海量告警,對這些數(shù)據(jù)進行全面分析和深入挖掘,對于促進決策的科學化、規(guī)范化以及提高 網(wǎng)絡運營質(zhì)量都有重要意義。在移動網(wǎng)絡故障管理領域中,準確、快速、靈活處理告警是一 個挑戰(zhàn),人們對于移動的健康狀況評價有多種評價方法。
[0003] 現(xiàn)有的移動網(wǎng)絡健康狀況評價方法主要有模糊綜合評價法、主成分分析法、SVM 法、層次分析法等。模糊綜合評價法是根據(jù)模糊數(shù)學中的隸屬度理論把系統(tǒng)定性評價轉(zhuǎn)化 為系統(tǒng)定量評價方法,以對評價事物進行綜合性評判。但模糊綜合評價法計算復雜,對指標 權(quán)重矢量的確定主觀性較強;當指標集U較大,即指標集個數(shù)凡較大時,在權(quán)矢量和為1的 條件約束下,相對隸屬度權(quán)系數(shù)往往偏小,權(quán)矢量與模糊矩陣R不匹配,結(jié)果會出現(xiàn)超模糊 現(xiàn)象,分辨率很差,無法區(qū)分誰的隸屬度更高,甚至造成評判失敗。層次分析法是將與決策 總是有關的元素分解成目標、準則、方案等層次,在此基礎之上進行定性和定量分析的決策 方法,但存在定量數(shù)據(jù)較少,定性成分多,不易令人信服、指標過多時數(shù)據(jù)統(tǒng)計量大,且權(quán)重 難以確定、特征值和特征向量的精確求法比較復雜等問題。這些常用方法普遍存在指標體 系復雜,不能夠靈活應對評價體系及指標的變化、不能夠及時反饋專家意見等問題。因此, 掌握現(xiàn)有系統(tǒng)的特點,對系統(tǒng)健康狀況運行情況進行數(shù)據(jù)量化,客觀評價基站系統(tǒng)運行狀 態(tài),就顯得尤為重要。
【發(fā)明內(nèi)容】
[0004] 為了克服現(xiàn)有技術(shù)中存在的不足,本發(fā)明目的是提供一種基于神經(jīng)網(wǎng)絡和模糊綜 合評價的移動網(wǎng)絡健康評價方法。該方法能夠進行移動告警系統(tǒng)健康狀況評價分級,不斷 進行自主學習,迭代更新,具有較快的運行速度,克服了現(xiàn)有移動告警評價方法指標體系復 雜、不靈活,不能根據(jù)業(yè)務需求及時進行系統(tǒng)調(diào)整及引入專家評價意見。
[0005] 為了實現(xiàn)上述發(fā)明目的,解決現(xiàn)有技術(shù)中所存在的問題,本發(fā)明采取的技術(shù)方案 是:一種基于神經(jīng)網(wǎng)絡和模糊綜合評價的移動網(wǎng)絡健康評價方法,包括以下步驟:
[0006] 步驟1、建立評價體系:提取告警系統(tǒng)中的歷史告警信息,結(jié)合移動專家意見建立 告警健康度評價標準,具體包括以下子步驟:
[0007] 子步驟(a)、將移動歷史庫中的歷史告警信息按告警級別、告警分類、告警發(fā)生模 塊指標分為6類,并對近半年內(nèi)每個月的6類告警數(shù)量以天為單位分別進行統(tǒng)計,并將告警 統(tǒng)計數(shù)量存入數(shù)據(jù)庫中;
[0008] 子步驟(b)、從每類告警數(shù)量中篩選出告警數(shù)量最低值、告警數(shù)量最高值作為優(yōu)秀 及不健康的打分閾值,并結(jié)合移動專家意見將告警數(shù)量在最低值和最高值之間的告警數(shù)量 打分為健康、良好、中等,根據(jù)告警數(shù)量的大小并結(jié)合歷史數(shù)據(jù)及專家評價,將告警指標分 為優(yōu)秀、健康、良好、中等、不健康五級標準;
[0009] 子步驟(C)、根據(jù)建立的告警指標,按照正態(tài)分布方法,將以天為單位的告警數(shù)據(jù) 分為優(yōu)秀、健康、良好、中等、不健康5類健康等級,每類健康等級產(chǎn)生50組隨機序列,再將 5類健康等級250組不同健康度的隨機序列順序隨機打亂;
[0010] 子步驟(d)、運用公式(1)最大最小法將數(shù)據(jù)進行歸一化,
[0011] Xk= (x k-xmin) / (Xmax-Xmin) ⑴
[0012] 式中,Xniin為數(shù)據(jù)序列中的最小數(shù),Xniax為數(shù)據(jù)序列中的最大數(shù),x k為歸一化的數(shù) 據(jù);
[0013] 步驟2、建立BP神經(jīng)網(wǎng)絡:根據(jù)告警信息分類特點確定BP神經(jīng)網(wǎng)絡的結(jié)構(gòu),初始 化BP神經(jīng)網(wǎng)絡的權(quán)值和閾值參數(shù),具體包括以下子步驟:
[0014] 子步驟(a)、網(wǎng)絡初始化,根據(jù)輸入、輸出序列(X,Y)確定輸入層節(jié)點數(shù)、隱含層 節(jié)點數(shù)、輸出層節(jié)點數(shù),初始化鏈接權(quán)值、隱含層閾值、輸出層閾值,給定學習率和動量學習 率;
[0015] 子步驟(b)、按公式(2)確定隱含層最佳節(jié)點數(shù),
【主權(quán)項】
1. 一種基于神經(jīng)網(wǎng)絡和模糊綜合評價的移動網(wǎng)絡健康評價方法,其特征在于包括以下 步驟: 步驟1、建立評價體系:提取告警系統(tǒng)中的歷史告警信息,結(jié)合移動專家意見建立告警 健康度評價標準,具體包括以下子步驟: 子步驟(a)、將移動歷史庫中的歷史告警信息按告警級別、告警分類、告警發(fā)生模塊指 標分為6類,并對近半年內(nèi)每個月的6類告警數(shù)量以天為單位分別進行統(tǒng)計,并將告警統(tǒng)計 數(shù)量存入數(shù)據(jù)庫中; 子步驟(b)、從每類告警數(shù)量中篩選出告警數(shù)量最低值、告警數(shù)量最高值作為優(yōu)秀及不 健康的打分閾值,并結(jié)合移動專家意見將告警數(shù)量在最低值和最高值之間的告警數(shù)量打分 為健康、良好、中等,根據(jù)告警數(shù)量的大小并結(jié)合歷史數(shù)據(jù)及專家評價,將告警指標分為優(yōu) 秀、健康、良好、中等、不健康五級標準; 子步驟(c)、根據(jù)建立的告警指標,按照正態(tài)分布方法,將以天為單位的告警數(shù)據(jù)分為 優(yōu)秀、健康、良好、中等、不健康5類健康等級,每類健康等級產(chǎn)生50組隨機序列,再將5類 健康等級250組不同健康度的隨機序列順序隨機打亂; 子步驟(d)、運用公式(1)最大最小法將數(shù)據(jù)進行歸一化, Xk - (X k_Xmin) / (Xmax_Xmin) ⑴ 式中,Xmin為數(shù)據(jù)序列中的最小數(shù),X _為數(shù)據(jù)序列中的最大數(shù),X k為歸一化的數(shù)據(jù); 步驟2、建立BP神經(jīng)網(wǎng)絡:根據(jù)告警信息分類特點確定BP神經(jīng)網(wǎng)絡的結(jié)構(gòu),初始化BP 神經(jīng)網(wǎng)絡的權(quán)值和閾值參數(shù),具體包括以下子步驟: 子步驟(a)、網(wǎng)絡初始化,根據(jù)輸入、輸出序列(X,Y)確定輸入層節(jié)點數(shù)、隱含層節(jié)點 數(shù)、輸出層節(jié)點數(shù),初始化鏈接權(quán)值、隱含層閾值、輸出層閾值,給定學習率和動量學習率; 子步驟(b)、按公式(2)確定隱含層最佳節(jié)點數(shù),
式中,η為輸入層節(jié)點數(shù),1為隱含層節(jié)點數(shù),m為輸出層節(jié)點數(shù),a為0-10之間的常數(shù), 隱含層節(jié)點數(shù)的選擇首先是參考公式(2)來確定節(jié)點數(shù)的大概范圍,然后用試湊法確定隱 含層最佳節(jié)點數(shù); 子步驟(c)、使用梯度修正法作為權(quán)值和閾值的學習方法,采用附加動量方法確定權(quán) 值,帶附加動量的權(quán)值學習公式表示為: w(k) = w (k~l) + Δ w (k) + a [w (k~l)-w (k~2) ] (3) 式中,ω (k),ω (k_l