本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘要:广东联通在承载网、核心网、无线网、主机等网络中,针对设备流量、DNS、RADIUS、RRC等网络和业务指标进行大数据分析,指导运维人员实现重要故障的提前发现并及时对网络中的异常和隐患实施优化和应急措施。介绍并对比3种经典的时间序列预测模型,结合不同的阈值设定方法,实现现网性能指标的精准预测和异常告警。基于机器学习进行网络性能预测的方案在落地项目中展现出极好的赋能效果。
关键词:性能预测;异常告警;机器学习;大数据
doi:10.12045/j.issn.1007-3043.2021.08.006
概述
近年来,AI技术蓬勃发展,5G网络建设不断推进,如何利用前瞻技术协同各专业实现运维的智能转型成为运营商面临的重大挑战之一。面对复杂的四代共生网络和海量设备,广东联通致力于推进多个AI创新项目的研究及落地应用,成功为市场线提供快速支撑。
本文构建了不同的机器学习模型,对承载网、核心网、无线网、主机等网络的多个黄金性能指标进行自学习自监控,能够指导运维人员提前发现特大隐患及故障,打破专业壁垒,并辅助网络变更等工作顺利开展。本文阐述了广东联通利用机器学习在网络性能预测中的应用进展,重点就 3 种时间序列预测模型和相应的阈值设定方法进行介绍。