一種基于趨勢外推聚類的移動網(wǎng)絡性能預警預判方法
【技術領域】
[0001] 本發(fā)明涉及一種移動網(wǎng)絡性能預警預判方法，更具體地說，涉及一種基于趨勢外 推聚類的移動網(wǎng)絡性能預警預判方法。
【背景技術】
[0002] 移動運營商對網(wǎng)絡運行設備進行了實時監(jiān)控，各個設備會定時產(chǎn)生一段時間的監(jiān) 測數(shù)據(jù)，以供查詢分析。當前移動網(wǎng)絡異常分析一般包括兩種方法：一是：發(fā)現(xiàn)網(wǎng)絡故障之 后，查詢歷史監(jiān)測數(shù)據(jù)，分析故障原因。這種方法一般都有一定滯后性，即故障發(fā)生后才能 分析出原因，然后進行維護。二是：設置各個性能指標的預警門限，并實時監(jiān)測當前各個性 能指標，如發(fā)現(xiàn)指標超出門限，則產(chǎn)生預警，進行故障分析。門限配置一般包括兩種方法，即 靜態(tài)門限和動態(tài)門限。靜態(tài)門限需要人工配置，工作量大，要有足夠的經(jīng)驗，而且隨著網(wǎng)絡 變化需要經(jīng)常更新。動態(tài)門限一種方法是根據(jù)歷史數(shù)據(jù)進行統(tǒng)計，采用均值作為中心線，3 倍標準差作為閾值計算門限。這種方法沒有考慮到網(wǎng)絡數(shù)據(jù)的變化趨勢，直接把歷史數(shù)據(jù) 均值作為未來的中心線，而且歷史數(shù)據(jù)中的異常數(shù)據(jù)也會對結(jié)果產(chǎn)生影響。另一種方法是 采用傳統(tǒng)時間序列預測方法進行預測作為中心線，3倍標準差作為閾值計算門限。這種預測 方法對預測之后某幾個點比較準確，如果預測點數(shù)多則誤差較大，而且如果預測最近的序 列出現(xiàn)異常，對預測結(jié)果影響較大，容易產(chǎn)生誤差。當網(wǎng)絡中告警比較多時，人工查看非常 不方便，需要采用一種方法將網(wǎng)絡中告警匯總為幾個主告警，以便更好的分析查看，本方法 將這種匯總預警的方法稱為預判。

【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有技術中存在的不足，本發(fā)明目的是提供一種基于趨勢外推聚類的移 動網(wǎng)絡性能預警預判方法。該方法能夠通過趨勢外推法更加準確的反映未來的變化趨勢， 通過K中心點聚類算法能夠消除歷史數(shù)據(jù)中異常點對結(jié)果的影響，通過預警匯總為預判給 網(wǎng)絡優(yōu)化人員提供了更好的呈現(xiàn)方式，提高了預警的準確率，減少了預警的誤判，減少了網(wǎng) 絡優(yōu)化人員的工作量。
[0004] 為了實現(xiàn)上述發(fā)明目的，解決現(xiàn)有技術中所存在的問題，本發(fā)明采取的技術方案 是：一種基于趨勢外推聚類的移動網(wǎng)絡性能預警預判方法，其特征在于包括以下步驟：
[0005] 步驟1、利用趨勢外推及K中心點聚類算法計算各個性能指標的預警門限：將動態(tài) 獲取的移動網(wǎng)絡性能指標歷史數(shù)據(jù)，利用趨勢外推及K中心點聚類算法計算各個性能指標 預警門限，本方法每天計算一次預警門限，具體包括以下子步驟：
[0006] (1)、獲取移動網(wǎng)絡性能指標的歷史數(shù)據(jù)：從移動網(wǎng)絡數(shù)據(jù)庫中動態(tài)獲取各個指 標的歷史數(shù)據(jù)，本方法要求歷史性能指標數(shù)據(jù)至少為3周，最多不超過8周，而且必須為整 周；
[0007] (2)、將歷史數(shù)據(jù)分解為趨勢分量和周期分量：針對某一個網(wǎng)元的某一指標的歷史 數(shù)據(jù)，看做是一個周期時間序列，周期為一天，共多個周期，將歷史數(shù)據(jù)分解為趨勢分量和 周期分量，具體包括以下子步驟：
[0008] (2a)、歷史數(shù)據(jù)利用周期模型，計算移動平均值，得到趨勢分量，歷史數(shù)據(jù)可看做 周期分量和趨勢分量共同作用的結(jié)果，利用時間序列的乘法模型表示為：
[0009] Y=F*T(1)
[0010] 式中，F(xiàn)是周期分量，T是趨勢分量，Y是歷史數(shù)據(jù)，對時間序列計算周期整數(shù)倍的 移動平均即可消除趨勢分量的影響，得到周期分量，設歷史數(shù)據(jù)時間序列為yt，t= 1，2,… ，k-1，其中k為當前時刻，因為周也構(gòu)成了一個周期，因此本方法對周進行移動平均，表示 為：
[0011]
【主權項】
1. 一種基于趨勢外推聚類的移動網(wǎng)絡性能預警預判方法，其特征在于包括以下步驟： 步驟1、利用趨勢外推及K中心點聚類算法計算各個性能指標的預警門限：將動態(tài)獲取 的移動網(wǎng)絡性能指標歷史數(shù)據(jù)，利用趨勢外推及K中心點聚類算法計算各個性能指標預警 門限，本方法每天計算一次預警門限，具體包括以下子步驟： (1) 、獲取移動網(wǎng)絡性能指標的歷史數(shù)據(jù)：從移動網(wǎng)絡數(shù)據(jù)庫中動態(tài)獲取各個指標的歷 史數(shù)據(jù)，本方法要求歷史性能指標數(shù)據(jù)至少為3周，最多不超過8周，而且必須為整周； (2) 、將歷史數(shù)據(jù)分解為趨勢分量和周期分量：針對某一個網(wǎng)元的某一指標的歷史數(shù) 據(jù)，看做是一個周期時間序列，周期為一天，共多個周期，將歷史數(shù)據(jù)分解為趨勢分量和周 期分量，具體包括以下子步驟： (2a)、歷史數(shù)據(jù)利用周期模型，計算移動平均值，得到趨勢分量，歷史數(shù)據(jù)可看做周期 分量和趨勢分量共同作用的結(jié)果，利用時間序列的乘法模型表示為： Y = F*T (1) 式中，F(xiàn)是周期分量，T是趨勢分量，Y是歷史數(shù)據(jù)，對時間序列計算周期整數(shù)倍的移動 平均即可消除趨勢分量的影響，得到周期分量，設歷史數(shù)據(jù)時間序列為yt，t = 1，2,…，k-1， 其中k為當前時刻，因為周也構(gòu)成了一個周期，因此本方法對周進行移動平均，表示為： λ = (λ + 乃―! + …+ 乃-況+1) / # (2) 式中，免是移動平均之后結(jié)果，yt是t時刻的實際值，N是移動平均的數(shù)據(jù)點數(shù)，本方法 采用N為一周點數(shù)，免從歷史數(shù)據(jù)的第二周開始計算，一直計算到當前時間粒度的前一個 時間粒度，其值即為各個時間粒度的趨勢分量； (2b)、將歷史數(shù)據(jù)原始值除以趨勢分量即得周期分量，從而將趨勢分量和周期分量分 離； 根據(jù)公式（1)可得F = Y/T，將歷史數(shù)據(jù)中第二周開始的數(shù)據(jù)除以對應時間粒度的趨勢 分量，即得對應時間粒度的周期分量，從而將歷史數(shù)據(jù)中趨勢分量和周期分量分離； (3) 、趨勢分量利用曲線擬合得到下一周期的趨勢分量：根據(jù)歷史數(shù)據(jù)的趨勢分量，可 以估算下一周期的趨勢分量，具體包括以下子步驟： (3a)、將歷史數(shù)據(jù)的趨勢分量利用多項式曲線擬合：根據(jù)經(jīng)驗，移動網(wǎng)絡性能指標 的趨勢一般滿足多項式函數(shù)，因此進行多項式曲線擬合，多項式擬合的結(jié)果形式為y = a0+alX+...+akxk，式中X的最高次冪k代表此多項式是k