告警关联与故障诊断专家系统研究与实现

介绍了一个网络管理告警关联与故障诊断专家系统ACFDES(Alarm CorrelatIon&Fault Diagnosis Expert System)的研究和实现.ACFDES具备在线、实时的告警关联与故障诊断能力,其知识库由网络告警知识发现系统进行更新.     

网络故障管理专家系统中知识库的构造

故障管理在网络管理中占有重要地位.知识库是专家系统的核心组成部分.本文针对网络告警关联规则专家系统,构造了一种面向对象知识库的体系结构,介绍了采用面向对象技术对网络中的事实型知识和关联规则进行表示的方法,并设计了在此基础上的推理方案.     

网络告警关联规则挖掘系统的研究与设计

故障诊断与定位是网络管理的核心,数据挖掘为告警相关性分析中知识获取提供了新的途径.通过对网络告警加权关联规则挖掘的研究,设计与实现了网络告警关联规则挖掘系统.该系统对网络告警相关性分析和故障的诊断定位有一定的意义和实用价值.     

基于AI的主动数据挖掘技术在网络故障管理中的应用

讨论了基于人工智能的主动空间数据挖掘技术在故障管理中的应用，给出了一个应用模型，其中主动空间数据挖掘技术主要体现在数据融合，数据挖掘和知识发现的过程中，文中首先给出了规则定义和触发器定义，并对专家系统的知识发现过程给出了基于时间窗口的告警关联算法，最后给出了在仿真环境下的系统性能测试分析，模型实现和分析数据表明该模型是的可行的。     

基于关联规则的通信网络告警相关性分析模型

在通信网络运行过程中．每天都会产生大量告警，将数据挖掘中的关联规则发现技术用于分析历史告警数据，可发现告警相关性规则。这些规则可辅助故障定位和告警过滤，以减轻网络管理员的工作强度，提高工作效率。本文分析了通信网络原始告警信息的特点，提出了一个基于关联规则的通信网络告警相关性分析模型，该模型通遏对原始告警数据进行预处理，不仅有效地解决了网络告警时间不同步问题，使得处理后的告警数据可直接用一般的关联规则挖掘工具发现告警相关规则，还大大地压缩了挖掘结果，提高了规则的准确率。初步的实验表明这种分析模型具有实用价值。     

关联规则在网络告警数据挖掘中的应用研究

从网络告警数据库中挖掘知识对网络管理和维护有重要作用.本文研究了将关联规则应用于网络告警数据挖掘的原理和算法,并给出具体实例.挖掘出的关联规则可以应用于告警过滤、告警关联、故障定位和故障预测等,可有效提高网络的智能化管理.     

基于关联规则和情景规则的网络告警分析模型

网络告警关联中隐含着丰富的模式知识,通过研究告警信息间的因果相关性,能够显著的提高网络故障管理的智能度.文章通过研究网络告警中的知识发现问题,提出一种基于关联规则和情景规则的网络告警分析模型.     

基于改进GSP的电力通信告警关联挖掘研究

随着电力通信网络规模不断扩大,网架结构日益复杂,其网络告警产生的原因与机理也多种多样。面对繁多复杂的通信告警,需要减少对人工专家知识的依赖,提高故障定位的准确性和效率。论文分析了主流通信告警关联分析方法存在的不足,针对电力通信网络设备网元数量多、告警数据数量大等特点,将序列模式挖掘与网络拓扑约束相结合,有效提高了电力通信告警关联分析的效率和精度。通过算例分析,该方法对电力通信告警关联分析具有较好的适用性,对提升通信运维管理水平具有一定的实际意义。     

基于时态关联规则的网络故障预报

该文针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题,提出了一种基于时态关联规则挖掘告警库的新方法。该方法引入告警数据的时间序列,可预测出一些告警(联合)事件的发生将导致哪些告警(联合)事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验,表明该方法可以准确、有效的挖掘出隐含在海量网管告警数据库中大量有意义的时态关联规则,规则中的概率参数(置信度和支持度)可作为网络管理的先验知识用来指导网络故障的诊断和预报。     

基于时态关联规则的网络故障预报

该文针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题,提出了一种基于时态关联规则挖掘告警库的新方法。该方法引入告警数据的时间序列,可预测出一些告警（联合）事件的发生将导致哪些告警（联合）事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验,表明该方法可以准确、有效的挖掘出隐含在海量网管告警数据库中大量有意义的时态关联规则,规则中的概率参数（置信度和支持度）可作为网络管理的先验知识用来指导网络故障的诊断和预报。     

网络告警序列中的频繁情景规则挖掘算法

网络告警序列中隐含着丰富的关于网络自身行为特征的模式知识，对其进行有效挖掘和利用将显著提高网络故障管理智能化程度．本文研究网络告警序列中的知识发现问题，提出并实现了一种基于滑动窗口的情景规则挖掘算法。     

基于相关性分析的网络故障预测

在网络管理领域,相关性分析愈来愈发挥出重要的作用。与传统的专家系统方法相比,相关性分析等数据挖掘方法,不仅能够有效克服知识获取、更新困难的瓶颈,而且,能够从海量网络管理信息中,快速挖掘出先前未知的却有潜在价值的信息和模式。通过对故障、告警数据的讨论分析,文章研究利用相关性分析,从历史告警序列数据中,挖掘潜在的相关性规则,讨论并定义了相关性的类型、相关性规则的表示语言、相关性规则的生成算法,最后讨论了运用相关性规则进行网络故障预测的方法。     

多维频繁情节挖掘在电信告警信息分析中的应用

电信网络每天都要产生大量的告警信息,这些信息中隐藏着网络结构相关的有用知识。基于对电信网络告警信息的特点的分析和针对现有挖掘方式的不足,论文提出一种从电信网络告警信息中挖掘频发的模式知识的思想方法———多维频繁情节挖掘。挖掘的多维频繁情节可以帮助网络管理人员分析告警信息和诊断故障。     

Practical Intelligent Support for Rule Discovery in Fault Management Systems

Global telecommunication systems have built-in redundancy to ensure robustness. Unfortunately, this means that each fault that occurs can trigger a cascade of alarm events as individual parts of the system discover and report failure. It is then difficult to locate the origin of the fault. One contribution to effective fault management is through practical intelligent assistance. The general goal is to find a rich set of strategies and rules to help locate faults from alarm event data. This paper presents a three-tier rule discovery framework that combines computer-assisted human discovery with human-assisted computer discovery techniques. The approach is illustrated with a small experimental case study performed on a test high-speed network at Nortel Networks.     

Rule Discovery in Telecommunication Alarm Data

Fault management is an important but difficultarea of telecommunication network management: networksproduce large amounts of alarm information which must beanalyzed and interpreted before faults can be located. So called alarm correlation is acentral technique in fault identification. While the useof alarm correlation systems is quite popular andmethods for expressing the correlations are maturing, acquiring all the knowledge necessary forconstructing an alarm correlation system for a networkand its elements is difficult. We describe a novelpartial solution to the task of knowledge acquisition for correlation systems. We present a methodand a tool for the discovery of recurrent patterns ofalarms in databases; these patterns, episode rules, canbe used in the construction of real-time alarm correlation systems. We also present tools withwhich network management experts can browse the largeamounts of rules produced. The construction ofcorrelation systems becomes easier with these tools, as the episode rules provide a wealth ofstatistical information about recurrent phenomena in thealarm stream. This methodology has been implemented ina research system called TASA, which is used by several telecommunication operators. We briefly discussexperiences in the use of TASA.     

基于时间、空间和规则的无线网络告警关联方法

无线网络应用的普及使网络故障管理成为网络运维的关键。为了从大量的网络告警数据中快速准确地找到告警、定位根源故障,提出了一种基于时间、空间和规则的无线网络告警关联方法。该方法基于专家规则库、网络拓扑结构,以及告警的时间序列,将时间、空间、传统单一的规则告警关联方法相结合,综合定位根源告警;针对大型复杂网络结构,采用层次关联的方法, 针对大型复杂网络结构,采用层次关联的方法,先找到产生告警的子网,再从该子网的节点间找到产生告警的节点;同时,通过动态维护网络拓扑结构和专家规则库,能够适应无线网络的动态变化特点。实验结果表明,提出的基于时间、空间和规则的告警关联方法的准确率为86.6%。     

基于Web GIS及开源技术的网络管理系统

根据网络管理工作的常见需求,以Google Maps、PHP及相关开源网管技术整合的方式,设计基于WebGIS的网络管理系统。实现了拓扑发现、基于电子地图的网络晴雨表和服务检测、Atmega128微控制器数据中心机房状态检测、基于R T M P的实时曲线、故障告警、资产查询、用户故障报修、网管日志等功能。介绍了系统的设计思路,主要功能及实现方法。     

基于置信规则库专家系统的发动机故障诊断

针对发动机故障原因和征兆之间存在的复杂非线性关系,利用RIMER(基于证据推理算法的置信规则库推理方法)对发动机进行故障诊断,克服了传统专家系统或神经网络技术只能单一利用专家知识或训练数据的缺点,将定性知识与定量数据有效结合,对发动机故障原因进行了研究,给维修人员提供了重要参考依据,仿真实验结果表明该方法可行有效.