面向边缘计算的电力通信网告警归并技术研究

电力通信网的覆盖范围及复杂程度逐渐增大,为电力通信网带来巨大的运维压力。通过部署边缘节点在边缘侧完成数据采集和信息过滤,提供计算支持,能够极大程度上缓解电力通信网管理侧压力。告警分析是运维当中的重难点问题,传统的告警分析先使用规则对于告警进行归并从而减少后续处理的工作量,但是规则的完备需要大量专家知识和人力资源的投入且存在局限性。将无监督聚类引入到电力通信边缘云部署架构下的告警归并流程当中,提出了一个新的轻量级算法,将基于密度的聚类方法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)与现有的归并规则进行结合,结果表明加入无监督学习能够显著提高告警归并的效果,切实提高了电力通信网运维中缺陷定位的准确性和完备性。     

移动通信实训项目虚拟化应用价值探讨研究

虚拟实训项目的应用与当前教育的开放化、应用型专业人才的社会需求等有着同步发展的教育现实需求。通过开展移动通信实训项目虚拟化应用价值探讨研究,从多个方面得出,虚拟化实训项目能够为移动通信教学提供高仿真职业环境;将其与移动通信领域的运行特点相结合,为学生打造寓学于乐的实训氛围;通过计算机软件技术的合理运用,实现对学生实训效果的轻松考核;依托与高校合作的移动通信企业提供的真实案例,充分满足移动通信专业学生的技能需求,对于实现移动通信领域应用型人才的培养目标具有十分重要的教学意义。     

服务响应时间约束下通信缺陷智能派单方法研究

针对通信缺陷下派单时效率较低的问题,文章以优化派单服务响应时间为目的,利用时间约束和路径优化方法设计了通信缺陷智能派单方法.首先,计算各派单服务流程的执行概率,依据执行概率调用与概率相统一的结构,利用调用结构预测派单服务响应频率和响应时间,通过预测值确定派单服务的最早开始和结束时间、最迟开始和结束时间以及时间余量信息,...     

基于注意力机制和LSTM的电力通信设备状态预测

随着电力通信网络的快速增长,网络中通信设备的在线状态预测对于提升运维可靠性具有重要意义。在实际场景中,设备工作数据来源复杂,往往存在数据维度高、特征稀疏且模式重复等问题,导致传统的预测方法性能非常受限。本文提出一种基于注意力机制和LSTM（长短时记忆）模块的设备状态预测模型。模型训练分2阶段进行,保证注意力机制能够通过端到端学习对原始特征进行充分降维并提取出最相关的信息进行状态预测。基于电力通信网络真实运维数据进行一系列验证实验,结果表明所提方法在设备状态预测问题中的有效性。