面向数字化运营的无线网问题根因定位算法研究

在中国联通数字化转型过程中,为了快速定位无线网络问题,在识别出质差小区后,基于CM、PM、MR等数据,制定无线网络问题根因定位算法,建立根因定位算法库.根据根因定位算法实现对质差小区的问题自动定位和分析,从而快速、准确地定位网络问题,确保用户感知,降低人工成本,提升一线工作效率.     

机器学习在基站小区节能中的应用

随着移动通信网络快速发展,通信行业节能降耗面临着前所未有的挑战.为了降低网络运营成本,通过对大量基站数据的统计分析,基于多个关键业务指标,提出基站小区价值度的概念.利用多个机器学习算法模型融合的方案实现基站小区价值度的预测,并通过节能案例分析对算法方案的有效性进行验证.综合来看,对于可节能基站小区,该算法方案的查准率可达95％以上,可以为大规模基站小区节能提供很好的支撑.     

智能运维,基于自学习的自动化运维

文章通过描述AI发展的三个阶段,将AI引入到通信运维领域。首先介绍智能运维如何采取自我学习的方式替代了早期基于规则的运维,然后将业界对于智能运维的主要场景问题进行总结,并提出智能运维的四个阶段和相应场景。紧接着对当前国际常用的智能运维架构进行说明,并就当前智能运维中的常见技术问题和算法进行研究总结。最后说明智能运维未来的发展趋势和面临的机会。     

基于机器学习的实时云数据关联规则提取与运维分析方法

以往的数据关联规则提取方法的项集标记结果不全面.针对该问题,提出了基于机器学习的实时云数据关联规则提取方法,为数据运维分析奠定良好的基础.构建机器学习网络架构,利用无监督训练和调优两个步骤训练机器学习网络,由此构建任务调度模型,以最小化构建排队处理提取与运维任务.依据机器学习扫描原理寻找强项集,从强度集合中导出关联规则...     

基于微服务调用链双向搜索的故障根因定位方法

微服务系统具有分布式系统固有的复杂性和服务依赖性,当出现软硬件故障时,会造成雪崩效应。针对如何基于调用链定位根因来保障服务的安全性的问题,提出了一种基于调用链双向搜索的故障根因定位算法,通过结合自顶向下的故障信息统计和自底向上的分层级根因定位,准确输出Top K根因节点。基于所提算法的方案已在某省级运营商实际上线,其Top 3根因的准确率达到87%,平均定位耗时为15 s,有效提升了微服务系统运维工作的效率和准确率。     

基于机器学习的运维数据分析系统设计与研究

本文通过对信息系统运维与数据分析技术的研究,提出基于机器学习算法的运维数据分析系统的建设意义与思路,实现了数据管理和分析过程的简化,提升数据应用效率,为信息运维中故障诊断与决策分析提供技术支撑。     

基于机器学习的网络舆情预测研究综述

大数据时代来临,社交网络和自媒体平台为公众提供了解多元文化的渠道。与此同时,一些负面、虚假或未被证实的消息同样可以得到传播。因此,在舆情形成初期,实时监看和预测未来的舆情走势成为重中之重。传统的网络舆情监看依靠人工信息汇集和分析预测舆情走势,随着机器学习技术的发展,基于机器学习的预测方法已在各个行业取得成就。文中对应用于网络舆情预测的主要机器学习模型进行梳理和理论介绍。此外,对当前应用机器学习于网络舆情预测的主要方法进行全面综述、对引入的关键技术进行整理介绍并探讨未来发展方向。     

电信网络运维分析与故障预测算法研究

文中旨在研究电信网络运维分析与故障预测算法,以提高电信网络的稳定性和可靠性。首先,通过收集大量的网络性能数据和故障记录,建立一个综合性的数据集。然后,提出了一种基于机器学习的故障预测模型,该模型利用了时间序列分析、特征工程和监督学习算法。实验结果表明,该模型在故障预测方面具有显著的优势,能提前识别潜在故障并采取相应的维护措施,从而降低网络故障的影响。最后,强调了故障预测算法在电信网络运维中的重要性,并为网络运维提供了有力的工具和方法。     

基于无监督学习的接口异常检测及根因定位方法

针对系统中数量庞大的接口及其指标,如何快速有效进行接口监控及故障定位是亟待解决的问题。本文基于大数据和无监督学习技术,创新提出动态基线异常检测算法和业务根因多维定位算法。首先搭建大数据处理平台,引入时序数据解析框架,对生产环境中的关键指标,通过时序曲线进行异常行为检测。然后,构建业务指标异常检测AI算法引擎,利用渐进梯度回归树、差分指数滑动平均等算法实现动态阈值告警。最后,建立根因智能分析方法,对检测出的异常指标迅速触发多维度根因定位算法,通过聚类算法给出异常度最高的维度组合,缩小排查范围,快速定位根因。     

一种基于Android平台的基站故障跟踪系统

移动网络从成熟的2G网升级到目前的4G网,随着湖北移动网元数量不断增多,日常维护工作压力不断增加。传统故障跟踪手段调度迟缓,不利于故障的及时发现与处理。为解决该问题,利用安卓平台的强大开发能力,结合网管平台、网优平台、告警平台的各类支撑数据,构建了基于Android平台的基站故障跟踪系统,该系统将日常网元的维护指令(包括查询、设备重启等)植入应用APP,维护人员使用移动终端即可实现远程故障处理与日常例行巡检,为运维人员日常故障处理和故障排查提供技术支撑。     

基于矩阵编码的自动路测根因定位方法

目前路测问题的定位主要采用人工分析方式,分析思路为单线程逐步排查,分析效率低,而且分析结果与工作人员优化水平和经验强相关。论文中通过将路测问题的分析过程矩阵化,建立路测问题根因分析经验矩阵,同时采用系统自动化分析路测问题,实现路测问题分析自动化和矩阵化。     

基于机器学习的铝及其合金晶粒细化研究

机器学习作为人工智能的核心,被广泛用于各行各业.而材料基因工程大数据技术的出现,使机器学习成为预测材料性能的新方法.本文利用集成算法Xgboost、随机森林(RF)以及AdaBoost 3种机器学习模型,建立了铝及其合金的晶粒尺寸与细化剂成分、含量的关系,预测铝及其合金的晶粒尺寸,并对该模型进行了交叉验证.结果表明:随...     

一种智能化IT运维系统的研究与实现

针对人工智能的技术特点,结合智慧化运维的典型应用场景,本文指出了IT领域智慧化运维中所应用的关键方法,包括智慧化运维所涉及的管理方案、学习方式、运行机制和智能策略。同时,本文还针对IT领域中主机的智慧化运维进行分析,并给出有效的解决方案。     

基于机器学习的无线网络用户感知速率智能预测研究

本文利用人工智能算法,结合DT/CQT、SpeedVideo、某厂家专有平台用户感知栅格速率数据,并关联栅格内覆盖、质量、负荷、性能等指标作为训练样本,分析影响用户感知速率的关键因素。通过建立预测用户感知速率的算法模型,实现栅格粒度用户感知速率预测,快速精准定位用户体验短板,有的放矢的解决用户体验问题,实现网络竞争力持续提升。     

基于机器学习技术的直放站干扰识别方法研究

干扰识别和优化是运营商无线网络优化的重点环节和长期需求。本文提出了一种基于机器学习技术的直放站干扰识别方法,能够大幅提升直放站干扰识别的准确性和排查效率,为难以用规则识别的复杂无线干扰系统提供了一种新的技术实现途径,实验和测试结果证明了该方法的有效性。     

人工智能在IT运维中的应用研究

智慧运维正在引领通信行业的创新潮流,随着5G商用时代的开启,现有的管理模式已经难以适应网络运维全面云化、智能化的需求,文章阐述了IT领域智能运维中的关键方法,同时结合IT领域中典型的案例进行分析,并提出切实有效的解决方案。     

人工智能及其在网络优化运维中的应用

当前,人工智能已在各个领域发挥巨大作用,机器在完成特定任务方面的表现甚至超过了人 类。本文对人工智能算法体系进行梳理,探讨相关算法在网络优化、运维领域中的应用场景。通过五 个实际的应用系统设计方案及流程,给出如何利用人工智能提升网络优化、运维的效率及质量。     

基于机器学习的无线网络隐性故障智能定位系统研究

广泛使用业界优秀的开源技术和AI算法,对多个无线网络小区业务、性能指标结合历史数据进行异常检测,实现有监督的机器学习能力,基于循环神经网络（RNN）、孤立森林（Isolation Forest）和统计模型的智能定位算法,结合多系统多维度数据实现全网小区业务及性能的动态分析,主动定位和发现网络中设计缺陷、现场故障、软硬件未知漏洞等问题,总结定位问题形成案例库,并自学习优化定位算法,逐步完善智能学习条件和功能,实现小区级隐性故障的智能定位和发现。该系统已完成19776个小区隐性故障整治,系统隐性故障定位准确率为82%。